基于物理驱动神经网络的数字全息显微术单次拍摄生物细胞三维形态重建技术

为解决传统数字全息显微术(DIHM)在单次拍摄下难以重建生物细胞三维形态的难题，韩国浦项科技大学的研究团队开发了名为MorpHoloNet的物理驱动与坐标神经网络融合模型。该技术通过模拟相干光在三维相移分布中的衍射过程，直接从单幅全息图中重建细胞的三维复杂光场和形态结构，无需多幅相移全息图或角度扫描。实验证明其对红细胞(RBCs)、大肠杆菌(E. coli)等细胞的三维运动轨迹和形变特征具有高精度追踪能力，为微流体环境下的细胞动力学研究提供了新工具。

　　

在生物医学和微流体力学研究中，精确获取细胞的三维形态动态变化至关重要。传统数字全息显微术(Digital Holographic Microscopy, DHM)虽能实现无标记成像，但存在 twin image（孪生像）干扰、需多角度扫描等技术瓶颈，难以从单幅全息图中重建复杂的三维结构。尤其对于高速运动的细胞，现有方法无法同步捕捉其空间位置、取向和形变特征。这些限制使得研究人员亟需开发更高效、更精准的三维重建技术。

针对这一挑战，浦项科技大学Sang Joon Lee团队在《Nature Communications》发表了突破性研究成果。他们创新性地将物理光学原理与深度学习结合，开发出MorpHoloNet模型。该技术通过单次拍摄即可重建生物细胞的三维形态和折射率分布，不仅克服了传统方法的局限性，还能实时追踪细胞在微流控环境中的动态行为。

研究团队采用三大核心技术：

1. 物理驱动神经网络架构：融合角谱法(Angular Spectrum Method, ASM)与坐标神经网络，通过模拟光波在三维相移介质中的传播过程优化模型参数。
2. 高斯先验预训练策略：利用常规全息重建算法获取细胞的近似三维位置，通过高斯分布约束初始训练，避免局部最优解。
3. 自适应折射率映射：将折射率(n_obj)和介质折射率(n_med)设为可训练参数，动态优化相位偏移量(φ)，实现精准的形态重建。

研究结果
MorpHoloNet工作流程
模型通过输入三维坐标(x,y,z)预测物体分布值(o∈[0,1])，结合ASM计算光场传播。预训练阶段利用高斯分布约束细胞位置，正式训练时通过边界条件损失(L_BC)和数据一致性损失(L_Data)联合优化，最终输出三维折射率分布n(x,y,z)=n_med+λφo/2πΔz。

合成全息图的相位重建
对模拟相位物体（相位偏移π/2~π/6）的测试显示，MorpHoloNet重建的相位图平均误差仅0.0018弧度，显著优于传统ASM方法（误差0.0470），且有效消除孪生像干扰。

合成椭球体的三维形态重建
对半轴长2~3μm的倾斜椭球体，模型重建的倾角误差仅0.658°，半长轴误差0.085μm。在θ=45°时虽存在深度方向轻微拉长，但整体形态与DDA（离散偶极近似）模拟结果高度一致。

生物细胞的三维重建验证

• 红细胞(RBCs)：成功区分等渗、低渗和高渗条件下的细胞形态差异。低渗RBC体积扩大至2.15倍，折射率降至1.339-1.344；高渗RBC体积缩小2.84倍，折射率升高。与迭代相位恢复法相比，MorpHoloNet能同步获取三维形貌与取向信息。
• 微生物：对球形微囊藻(M. protocystis)和杆状大肠杆菌的形态重建与扫描电镜(SEM)结果吻合，但E. coli的折射率存在轻微低估，推测因模型深度分辨率局限导致。

时空动态追踪
在微管泊肃叶流中，模型成功捕捉RBC的翻滚运动（剪切率2.98 s^-1）和E. coli的游动轨迹（速度14.2±1.4μm/s）。通过连续全息图分析，首次实现了细胞三维运动与形变的同步量化。

结论与意义
该研究突破了单幅全息图重建三维细胞形态的技术瓶颈，其创新性体现在三方面：

1. 方法学突破：首次将物理模型与神经场结合，避免了数据驱动方法的泛化性问题，为计算光学开辟了新范式。
2. 应用价值：可定量分析病理红细胞（如球形红细胞、棘红细胞）的形态变异，或微生物在剪切流中的运动机制，为血液病研究和微流控设计提供新工具。
3. 技术拓展性：未来通过改进波传播模型（如纳入多重散射效应）和采用JAX加速框架，有望将空间分辨率提升至亚微米级，推动活体细胞成像进入新时代。

研究团队指出，当前模型对厚样本（>10μm）的重建仍存在误差，且需人工设定介质折射率。这些局限将成为后续研究重点，而开源代码的发布（GitHub: Holomolu/MorpHoloNet）将加速该技术的广泛应用。