基于定量相位成像和深度学习的相位体识别分析方法研究

发布时间：2023-07-27 07:00

　　细胞是生命体最基本的结构和功能单元,对其形态结构等信息的识别分析在生命科学、临床医学等领域具有重要的意义。大多数细胞无色透明,属于相位物体,传统显微镜难以对其成像。定量相位成像技术可以将光波中非直接可见的相位信息调制为易于观测和提取的振幅信息,从而反演出样品的形态结构信息,实现对相位物体的非接触、无损伤、动态化和定量化地观测。应用该技术在细胞识别分类以及疾病诊断流程中可以有效地提高分析效率,并降低主观性误差。但是利用该技术观测异形或内部结构复杂的样品时,由于样品的折射率分布和物理厚度耦合在相移信息中难以分离,这使得后续定量参数的提取较为困难,同时人工制定的分析参数存在着覆盖面不全、特征度不够的情况。因此关于自动化识别与分析样品定量相位信息的研究还有待进一步深入。本文提出了一种利用深度学习技术根据样品相位分布的不同对多种相位体进行识别分类的方法。采集了四类轮廓相似的样品的相位图像,并优化经典的卷积神经网络模型以进行识别分类。在此基础上对样品数据改造以进一步缩小样品间的区分度,实验结果表明经过训练的卷积神经网络对多类样品的相位分布图像具有良好的识别能力。为简化识别流程,本文进一步探究了直接...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 相位显微成像技术研究现状
        1.2.2 深度学习结合计算成像研究现状
    1.3 本文的研究内容与创新点
第二章 相关技术与工具
    2.1 定量相位成像技术
        2.1.1 基于数字全息的相位成像方法
        2.1.2 基于光强传输方程的相位成像方法
    2.2 卷积神经网络
        2.2.1 主要结构
        2.2.2 发展历程
        2.2.3 训练过程
        2.2.4 损失函数
        2.2.5 优化算法
    2.3 深度学习框架TensorFlow
    2.4 本章小结
第三章 基于卷积神经网络的光相位分布识别
    3.1 实验软硬件环境
    3.2 数据集与卷积神经网络的建立
        3.2.1 建立数据集
        3.2.2 搭建神经网络
    3.3 实验结果分析与改进
        3.3.1 评价标准
        3.3.2 数据预处理
        3.3.3 训练策略设置
        3.3.4 实验结果与改进
    3.4 改进数据集与神经网络
    3.5 本章小结
第四章 基于数字全息干涉图的相位体识别
    4.1 建立干涉图数据集
    4.2 基于卷积神经网络的干涉图识别
    4.3 基于残差网络的干涉图识别
        4.3.1 残差块结构对网络性能的优化机制
        4.3.2残差网络搭建与实验
        4.3.3 不同干涉光强比和条纹频率的干涉图识别
    4.4 本章小结
第五章 结合光散射信息的定量相位成像分析
    5.1 成像装置与检测流程
    5.2 检测原理及实验分析
        5.2.1 相位信息分析
        5.2.2 基于样品散射光强分布信息的亚结特征分析
        5.2.3 结合光散射信息的生物细胞形态特征相位分析
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
在学期间发表的学术论文及其他科研成果



本文编号：3837554