基于相干光调控的无透镜光纤成像及其应用（特邀）

基于多模光纤或多芯光纤的无透镜超细光纤内窥成像技术近些年获得了快速发展,有望成为下一代的极微创、高分辨率内窥显微镜。通过对相干入射光场的时空调控,该技术可克服多模光纤中模式色散或多芯光纤中相位畸变的影响,在无需光纤末端透镜或扫描器件的情况下实现高分辨率的聚焦、成像及相关应用。此外,在无透镜光纤内窥成像或图像传输等场景下,通过构建物理或深度学习模型,从光纤输出测量中也能实现物体信息重建。对相干光纤无透镜成像技术的发展进行综述,首先说明无透镜光纤成像的基础原理,并从主动波前调控和被动目标重建这两类角度阐述无透镜光纤成像方法,接着介绍一些先进光纤成像模态和技术,列举光纤成像相关应用,最后分析该领域所面临的挑战,总结并展望其进一步发展方向和应用前景。     

大视场双光子显微成像系统研究进展（特邀）

双光子显微成像具备高分辨率、天然层析能力和大穿透深度等特点,在活体动物成像中发挥着重要作用。然而,如何在维持高分辨率的条件下,扩大双光子的成像视场,来满足生物医学中对大规模动态反应的监测需求,一直以来都是光学显微成像领域的难点,也是科研关注的重点。综述了大视场双光子成像技术的研究进展。首先介绍了双光子显微成像系统的产生背景和设计原理,并从光学不变量的角度阐述了实现大视场双光子成像的理论基础。然后重点回顾了现有的几种大视场双光子成像方法,分别包括了扫描中继系统的边缘像差校准、高通量物镜的设计研发和自适应光学方法的使用。基于双光子成像的高时间和空间分辨特性,大视场双光子成像技术将成为一种在脑科学等需介观高分辨成像领域的应用中实现大区域动态监测的强有力的工具。     

利用深度学习扩展双光子成像视场

双光子成像技术已被广泛应用于活体肿瘤成像、神经功能成像以及大脑疾病研究等领域，但双光子成像视场较小（视场直径一般在1 mm以内），限制了其进一步应用。虽然通过特殊的光学设计或者自适应光学技术能够有效增大视场，但复杂的光路设计、高昂的器件成本以及繁琐的操作过程限制了这些技术的推广。提出了一种利用深度学习技术替代自适应光学技术扩展双光子成像视场的新思路，在低成本（无须特殊物镜，无须相位补偿装置）、易操作的前提下实现了大视场双光子成像。设计了一种适用于光学显微系统中扩展双光子成像视场的nBRAnet网络框架，为使该网络框架可以更好地利用特征图信息，在该框架中引入残差模块和空间注意力机制，同时去除了数据归一化处理，以增加图像对比度信息。实验结果表明：所提深度学习方法可以有效地代替自适应光学技术，增强扩展视场中的精细结构特征，并恢复扩展视场的成像分辨率和信噪比，使双光子成像视场直径扩展到3.46 mm，峰值信噪比超过27 dB。深度学习方法具有成本低、操作简单、图像增强效果显著等特点，有望为跨区域脑成像或全脑成像提供一种经济实用的方案。