基于衍射光学元件和深度学习的无扫描景深扩展显微成像技术

本文提出了一种集成衍射光学元件（DOE）与深度学习成像增强的景深扩展显微系统，通过光学调制生成针状光束，将轴向景深（DOF）扩展12倍以上，并利用U-Net模型抑制旁瓣伪影，实现单次曝光下毫米级三维结构的高分辨率无扫描成像，为工业检测和动态生物观测提供了创新解决方案。

　　

基于衍射光学元件的针状光束生成

为扩展光学系统的景深（DOF），我们将衍射光学元件（DOE）与聚焦透镜集成，利用DOE的相位分布在轴向生成大量紧密相邻的焦点，形成针状光束（如图1a）。对于具有径向复振幅透射函数t(r₁)的圆对称纯相位DOE，当理想平面波入射时，在衍射距离z处的输出平面复振幅分布由公式E(r₂,z)=A∫₀^Rt(r)给出。

EDOF-DOE显微镜的实验成像结果

通过成像分辨率测试靶，我们实验验证了EDOF-DOE显微镜的景深扩展性能。测试靶置于样品台上，通过电动台沿z轴移动调节物距。相机记录不同离焦位置的图像，并通过分析测试靶中60组线对的强度分布量化对比度（图4a）。EDOF-DOE系统在±1.2 mm范围内保持均匀清晰的成像，远超传统明场显微镜0.2 mm的景深。

讨论与结论

本研究提出的集成DOE光学调制与深度学习增强的景深扩展显微系统，成功解决了传统显微镜中空间分辨率与景深之间的固有矛盾。但仍存在一些局限：首先，与设计的针状光束的超分辨率相比，EDOF-DOE系统的横向分辨率有所降低，表明器件设计和算法处理仍需改进。