通过散射层实现大视野成像，并结合优化照明和定位技术进行灰度融合

《Laser & Photonics Reviews》：Large Field-Of-View Imaging Through Scattering Layers With Optimized Illumination and Localization–Grayscale Fusion

光学成像通过非均匀散射介质是医学成像的关键需求，本研究提出编码稀疏优化（ESO）方法将数据量减少约一个数量级，结合定位与灰度融合（LG-Fusion）算法消除背景噪声，使场视野扩展至记忆效应范围的4.3倍，实现200μm厚鼠脑的高效高质量成像。

　　

摘要

通过非均匀散射介质进行光学成像至关重要，尤其是在医学成像领域，因为人们迫切需要提高穿透深度和扩展视野（FOV）。非负矩阵分解（NMF）为通过散射层进行大视野非侵入式成像提供了一种有效的解决方案。然而，新兴的NMF方法需要大量的测量数据，并且涉及多种编码模式。此外，NMF重建结果往往存在灰度精度损失和背景噪声的问题。本文提出了一种创新方法，该方法利用编码稀疏性优化（ESO）将所需数据量减少了大约一个数量级。同时，引入了一种精确的重建算法——定位与灰度融合（LG-Fusion），该算法能够消除背景噪声，并将视野范围扩展到记忆效应范围（MER）的4.3倍。该技术使得通过厚度为200-$\mu m$的小鼠大脑实现高效、高质量的成像成为可能。

利益冲突

作者声明没有利益冲突。