基于光学记忆效应与倾斜-倾斜关联的数字像差校正技术实现厚组织增强成像

本期推荐一项突破性研究：针对生物厚组织成像中光学像差严重影响图像质量的问题，韩国科学技术院（KAIST）团队开发了基于光学记忆效应(Memory Effect)和倾斜-倾斜关联(tilt-tilt correlation)的数字像差校正技术。该研究通过建立像差矩阵模型，在透射式全息断层扫描系统中成功实现了100μm厚人体组织的清晰成像，解决了传统自适应光学(AO)技术无法克服的样本移动和深度依赖性像差难题，为临床病理诊断和活体深层组织观测提供了新方案。

　　

在生物医学研究和临床诊断领域，光学显微镜就像探索微观世界的"眼睛"，但其观测能力常被光学像差这一"视觉障碍"所限制。当科学家们试图观察厚达100微米的人体组织时，就像透过满是水痕的玻璃窗看风景——细胞结构变得模糊不清。传统自适应光学技术虽然能校正部分像差，但依赖侵入式的导星(guide star)或需要反复迭代的波前整形技术，面对生物样本的动态特性和深度依赖性像差时往往束手无策。更棘手的是，时间门控(time-gating)等深度分辨技术在透射成像中完全失效，使得厚组织成像成为光学领域长期悬而未决的挑战。

韩国科学技术院（KAIST）的ChulMin Oh、Herve Hugonnet等研究人员在《Nature Communications》发表创新成果，提出了一种革命性的计算自适应光学方法。该团队巧妙利用光学记忆效应——即散射光场在小角度倾斜入射时保持相关性的物理现象，构建了像差矩阵数学模型。就像通过多角度拍摄来还原被雨水模糊的风景照片，他们通过分析不同入射角度下散射场的相位梯度，成功分离出入射和出射光路的像差函数。这种方法不仅突破了传统技术对导星的依赖，更在保持纳米级精度的同时，实现了对运动样本的实时校正，为活体深层组织观测打开了新窗口。

关键技术方法包括：1) 透射式离轴全息断层扫描系统搭建，采用数字微镜器件(DMD)控制入射波矢；2) 基于光学记忆效应的像差矩阵构建，通过奇异值分解(SVD)分离出入射/出射像差函数；3) 改进的梯度基Rytov近似算法实现厚样本断层重建；4) 使用10-100μm厚人体胰腺/肠道组织验证性能；5) 三维相位相关分析定量评估校正效果。

【数学模型揭示像差本质】

研究团队首先建立了包含目标体积散射的广义线性算子模型（公式2），突破传统方法将目标简化为二维反射面的局限。通过理论推导证明：当入射波矢变化Δk小于记忆效应范围k_MER时，散射场保持强相关性（公式3）。这种相关性就像"光学指纹"，即使经过厚组织散射仍能被识别。

【像差矩阵实现精准解耦】

创新性地提出像差矩阵因子分解法（图2b）：将成对测量的散射场进行k空间对齐后，其相位差矩阵可分解为入射/出射像差函数的梯度项（公式7）。通过投影幂迭代算法优化，研究人员首次实现了对10μm厚胰腺组织纳米级表面起伏的精确重建（图4c），校正后三维相关系数提升30倍（图4o）。

【突破厚度极限的成像验证】

在50μm厚肠道组织实验中（图5），该方法清晰揭示了传统图像中完全被噪声掩盖的血管网络和红细胞（白色箭头）。更惊人的是，对100μm厚样本（图6），尽管进入多重散射区域，该方法仍能通过场相关分析（公式8）提取有效光学传输特性，为研究光在生物组织中的传播规律提供了新工具。

【时空动态校正的临床价值】

通过2μm微球流动实验（图7），证明该方法仅需3帧即可完成动态像差校正。在模拟深部组织成像中（图9），其斯特列尔比(Strehl ratio)比传统方法提高20倍，且不受等晕区小于点扩散函数的限制，这一突破使得临床内窥镜等场景的应用成为可能。

这项研究标志着计算自适应光学领域的范式转变。与需要物理波前调制器的传统AO系统不同，该纯数字方法通过解析光学记忆效应中的隐藏信息，实现了"无硬件校正"。特别值得注意的是，团队开发的改进Rytov近似算法（公式29）有效解决了厚样本重建中的相位缠绕难题，使得该方法在癌症病理诊断、脑科学研究和药物筛选等领域具有广阔应用前景。正如研究者所言，这项技术"像为显微镜装上智能眼镜"，让科学家们得以看清曾被光学像差遮蔽的生命细节。