利用小波变换和线性注意力机制实现的高保真快速傅里叶叠层显微技术

《Laser & Photonics Reviews》：Fast High-Fidelity Fourier Ptychographic Microscopy via Wavelet Transform and Linear Attention

提出基于小波变换和Mamba注意力机制的WM-FPM模型，构建FPM-BioCell多源生物样本数据集，实现速度提升超100倍且保持高重建质量（SSIM 0.71，PSNR 28.55），代码和数据集已开源

　　

摘要

傅里叶衍射显微镜（FPM）是一种新兴的计算成像技术，它突破了光学衍射的限制，实现了对生物样本的大视野、高分辨率观测。然而，传统的FPM迭代重建算法存在计算复杂度高和实时性能差的问题。此外，现有的数据驱动型FPM模型由于训练数据主要基于模拟结果，其泛化能力有限。为了解决这些问题，基于之前提出的前向小波变换模型系列（WL-FPM），构建了包含多源生物样本的FPM-BioCell数据集。同时，还提出了一种结合小波变换模块和受mamba启发的线性注意力模型的生成对抗网络（WM-FPM），用于FPM重建。通过多尺度特征提取、长序列建模和对抗训练，WM-FPM打破了FPM重建中的速度与精度之间的 trade-off。在FPM-BioCell数据集上，WM-FPM的性能优于现有的深度学习模型，其SSIM（0.71）、MS-SSIM（0.87）、PSNR（28.55）、FID（35.35）和LPIPS（0.27）等指标均表现出色。更重要的是，当与独立的光学真实值进行验证时，WM-FPM不仅能够有效泛化到未见过的样本，而且与基于物理原理的WL-FPM相比，速度提升了100倍以上，仅用5.63秒就从2048 × 2048像素的输入图像重建出12288 × 12288像素的全场图像，且图像质量没有下降。该代码和数据集已开源，有助于快速将FPM技术应用于生物医学领域。

利益冲突

作者声明不存在利益冲突。