编辑推荐：
为解决透射成像图像模糊及数据获取难题，研究人员生成相关数据集，为相关研究提供基础。
在医学和生物识别领域，透射成像（Transillumination imaging ）是一项重要的技术，它就像一个 “透视眼”，能够在不侵入人体或物体内部的情况下，窥探其内部结构。想象一下，不用开刀，就能看到人体内部的血管、器官的大致情况，或者在生物研究中，不破坏样本就能观察其内部构造，这是多么神奇的事情。
然而，透射成像也面临着一个棘手的问题。当光线穿过生物组织等介质时，会发生散射，这就好比光线在一个充满 “迷雾” 的空间里穿梭，最终导致获取的图像变得模糊不清。这种模糊严重影响了透射成像在实际中的应用效果，就像是给 “透视眼” 蒙上了一层纱，使得观察变得困难重重。
随着人工智能的发展，人们看到了改善透射成像的希望。人工智能算法可以对透射图像进行处理，抑制散射、估计深度并重建三维结构。但这些算法要想发挥出最佳性能，需要大量高质量的输入图像。可由于成像条件的主观性，获取大规模用于人工智能实际应用的透射图像数据集非常困难。
为了解决这些问题，来自日本早稻田大学（Waseda University）、越南胡志明市工业大学（Ho Chi Minh City University of Technology, HCMUT）等机构的研究人员展开了深入研究。他们致力于生成与深度相关的点扩散函数（Point Spread Function，PSF）和透射图像，并构建一个全面的透射图像数据集。最终，他们成功创建了包含 12,000 对清晰和散射介质图像的数据集，且每对图像都关联了相应的深度信息。这一成果为推进基于人工智能的透射成像解决方案提供了有力支持，也为图像去模糊、深度感知和 3D 重建等进一步研究奠定了坚实基础。该研究成果发表在《Scientific Data》上。
研究人员在研究过程中运用了多种关键技术方法。首先，通过理论计算和算法设计，生成深度相关的 PSF。具体来说，根据之前研究开发的 PSF 计算公式，结合散射系数、吸收系数、深度等参数，利用算法生成 PSF 矩阵。其次，采用卷积的方法模拟透射图像。将原始图像与 PSF 进行卷积，模拟光线在散射介质中的传播过程，从而得到透射图像。此外，还提出了消除背景效应的方法，通过计算背景光分布并对透射图像进行处理，去除背景光不均匀带来的影响。
下面来看具体的研究结果：
- 深度相关的点扩散函数：研究人员开发了深度相关的 PSF 来描述荧光点源在平板散射介质中散射造成的模糊效应。通过一系列计算和处理，生成了与特定深度和模型系数相关的 PSF 矩阵。在计算 PSF 时，考虑了多个参数，如约化散射系数（μs′）、吸收系数（μa）等。同时，对 PSF 的计算过程进行了详细的算法设计，包括初始化、计算、归一化和文件处理等步骤。此外，还对 PSF 的一些特性进行了研究，如 PSF 与高斯函数的相似性和差异，以及 PSF 在图像边界的处理方法等12。
- 消除透射图像中的背景效应：实际中，光源的空间有限且照明不均匀，导致透射图像背景不均匀。研究人员提出通过将透射图像除以背景光分布来消除这种影响。他们通过卷积积分模拟光源分布，并计算背景光分布。实验验证了该方法的有效性，通过对比实际背景和模拟背景去除后的图像，发现两者具有良好的一致性34。
- 吸收体与图像生成：研究中模拟了多种吸收体结构，包括 10 种不同形状，代表了血管等结构。通过对吸收体图像进行处理，生成了不同吸光度、不同尺寸和不同深度的图像。同时，介绍了两种生成不同吸光度透射图像的方法，并对两种方法的计算量和效果进行了比较。在深度学习等应用中，两种方法各有优势，可根据具体需求选择使用56。
- 数据记录与数据集：研究使用的样本数据集包含了丰富的光学和成像参数。包括 10 种不同的吸收体形状、特定的散射系数和吸收系数（分别为1.0 mm?1和0.00536 mm?1，模拟近红外光在 Intralipos 溶液中的环境）、从0.10 mm到10.0 mm共 100 个不同深度、4 种相对吸收体尺寸和 3 种相对吸光度。最终得到了总数为 12,000 的样本图像，并按照一定规则命名和存储78。
- 技术验证：通过实验验证了消除光源背景效应的有效性。实验中使用 Intralipid 悬浮液作为散射介质，放置吸收体并使用特定波长的 LED 光源和 CCD 相机进行成像。对比实际背景和模拟背景去除后的图像，结果表明该技术能够有效去除背景效应910。
研究结论和讨论部分，本次研究成功构建了一个大规模的透射成像开放数据集，涵盖多种参数组合的图像，为基于人工智能的透射成像研究提供了宝贵资源。研究中提出的生成 PSF、模拟透射图像和消除背景效应的方法具有重要意义。这些方法不仅为后续的图像去模糊、深度感知和 3D 重建等研究提供了基础，也为光学计算机断层扫描（Optical Computed Tomography ）的实现提供了支持。同时，研究成果对于生物医学研究、生物识别等领域具有潜在的应用价值，有望推动相关技术的进一步发展，帮助人们更清晰地观察生物组织内部结构，为疾病诊断、治疗等提供更准确的信息。但研究中也提到了一些注意事项，如 PSF - 去卷积过程可能会引入图像位置偏差等，这为后续研究指明了方向，需要在进一步的研究中加以改进和完善。
