[发明专利]基于机器学习的快速自适应光学扫描显微成像系统与方法

说明书

本发明公开了一种基于机器学习的快速自适应光学扫描显微成像系统与方法。利用马赫—曾德干涉仪通过移相干涉法测量实验样品的畸变相位分布，处理得到像差先验信息，利用像差先验信息生成相位分布集合；将相位分布集合依次加载到空间光调制器后扫描无畸变的荧光样品，得到畸变光强分布图样，建立光强分布集合；将光强分布集合与相位分布集合输入机器学习模型中训练；扫描待测实验样品，获得新光强分布图样，输入训练后的机器学习模型获得预测像差信息，得到校正相位；将校正相位加载到空间光调制器上成像。本发明提升了光学像差测量的速度，提高了探测能力，实现了自适应光学扫描显微成像过程中的快速像差测量与校正，应用前景好。

技术领域

本发明属于光学扫描显微成像与光遗传学领域的一种成像系统与方法，特别涉及一种基于机器学习的快速自适应光学扫描显微成像系统与方法，可应用于厚散射介质内部深处高分辨光学扫描显微成像及光遗传学精准光刺激。

背景技术

在生物医学研究中，激光扫描显微成像技术可以获得生物组织的高分辨图像信息。但是，对生物组织内部深处进行成像时，由于生物组织的折射率分布不均匀性、光学元器件的生产精度误差以及介质间的折射率失配等原因，成像过程中常会产生光学像差。这些像差引起了波前畸变，严重影响了入射光在生物组织深处的聚焦效果。随着深度的增加，光学像差不断累积，图像的信噪比和分辨率降低，成像质量急剧下降，大大限制了激光扫描显微镜的有效成像深度。针对这一现象，目前研究者提出了各种方式克服成像过程中光学散射的影响，其中自适应光学技术效果良好，是目前较为普遍的一种像差校正的方式。

自适应光学技术早先应用于天文学成像中，用于修正天体观察中大气湍流所造成的影响。在光学显微成像领域中，基于自适应光学技术的像差测量与校正方法原理如下：利用直接(波前传感器)或间接测量方法获得各种因素引起的入射波面的波前畸变，然后通过波前校正器(如变形镜、空间光调制器等)对畸变进行补偿，恢复光学成像效果。代表性技术如基于夏克-哈特曼(Shack-Hartmann)波前传感器的自适应光学显微镜，其利用夏克-哈特曼波前传感器测量来自样品内部的荧光信号所形成的畸变光斑点阵，并参考无畸变的光斑点阵图样，对点阵进行分块，并计算出光斑质心的位置，确定质心的偏移量后将其输入波前重建算法中，从而获得待测样品的校正相位。之后将此相位分布加载到可变形镜或者空间光调制器上，在进行扫描成像，即可获得校正畸变后的成像结果。

但是上述的相位测量过程需要消耗一定的时间，无法兼顾时间成本与成像质量，不利于活体生物中进行实时成像检测，制约了其在生物医学领域中的实际应用。

现有技术中申请号为201811314921.X专利涉及了一种基于机器学习的高速高分辨扫描显微成像系统与方法，但是其对像差的探测能力有限。泽尼克多项式的项数表征了成像系统的探测能力，可认为泽尼克多项式的项数越大，成像系统的探测能力越高。申请号为201811314921.X专利中所述方法仅能够对前15项泽尼克多项式系数进行探测，而本发明中所述方法能够对前36项泽尼克多项式系数实现探测，对于系统中存在较大像差的情形，本发明中所述方法能够得到更为准确的像差探测结果，从而能够达到更佳的像差校正效果。

发明内容

为了解决背景技术中存在的问题，本发明提供了一种基于机器学习的快速自适应光学扫描显微成像系统与方法。本发明结合了机器学习理论与波前传感器测量波前畸变的思想进行快速的像差测量，重构入射波前，并结合扫描模块重建高分辨率图像，提高了探测能力。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

一、一种基于机器学习的快速自适应光学扫描显微成像系统：

系统包括激光器、滤波模块、二向色镜、反射镜、空间光调制器、扫描模块、扫描透镜、套筒透镜、显微物镜、滤光片、分束器、中继透镜一、中继透镜二、波前传感器、成像透镜和探测模块；