对动态的光学散射介质内部成像(如人体组织)是生物医学光学领域的核心挑战。 在过去的几十年里，研究人员已经开发了各种各样的技术手段来不同程度的应对这一挑战。其中包括共聚焦和非线性显微技术(现在可以以亚细胞分辨率对1毫米深的组织成像)、新型波前整形、飞行时间漫射光学(TOF diffuse optics)、光声技术(成像深度扩展到厘米级,分辨率较低)等。动态散射样品(由热变化和细胞运动引起的微观运动)的光学散射特征会随时间快速变化，为有效的活体深层组织成像带来了挑战。
博览：2021 arXiv 利用并行单光子探测对浑浊介质下的动态成像
技术背景：
对动态的光学散射介质内部成像(如人体组织)是生物医学光学领域的核心挑战。 在过去的几十年里，研究人员已经开发了各种各样的技术手段来不同程度的应对这一挑战。其中包括共聚焦和非线性显微技术(现在可以以亚细胞分辨率对1毫米深的组织成像)、新型波前整形、飞行时间漫射光学(TOF diffuse optics)、光声技术(成像深度扩展到厘米级,分辨率较低)等。动态散射样品(由热变化和细胞运动引起的微观运动)的光学散射特征会随时间快速变化，为有效的活体深层组织成像带来了挑战。
一种可行的策略是直接测量散射样品的内部动态，利用这些动态变化来辅助成像。例如，在此类方法中，主要目标不是形成基于强度的光吸收或荧光发射图像，而是通过着眼于散射辐射的时域动态(例如，时域方差或相关)来构建快速扰动样品区域的空间映射(spatial map)。许多重要的生物现象导致光场随时间发生这种动态变化，如血流和神经元放电事件(neuronal firing events)。目前已经开发了诸如光学相干断层扫描血管造影术和激光散斑对比成像等技术手段来测量靠近组织表面的这种动态。然而，当检测在活体组织内传播深度超过几毫米的光信号时，光场会迅速衰减并去相关(decorrelate)，最终通常采取快速单光子敏感(single photon sensitive)检测技术，以大约MHz的速率记录光波动.
漫射相关光谱 (diffuse correlation spectroscopy, DCS)是一种用于检测深层组织内数厘米动态散射的成熟技术。这种技术使用了一个相对简单的策略：当相干光进入混浊(turbid)介质时，它会随机散射并产生散斑。在给定体积的组织中，动态运动（例如，细胞运动或血流）发生在不同的空间位置。因此，该组织体积内的散射光场将以空间变化的方式与这种动态相互作用。通过测量组织表面散射光场的时域波动，可以估计去相关事件的时空映射(spatiotemporal map)。
当前不足：
虽然DCS被广泛用于评估深达成人头骨下方的有限组织区域的血流变化，但迄今为止，对混浊介质下动态事件快速形成空间分辨图像的工作仍然有限，这主要是有三个难题阻碍了深层组织时域动力学成像：
(1) 由于在必要的测量速率下可用光子数量有限，因此信噪比低；
(2) 从散射体表面收集光的探测器数量有限；
(3) 将获取的数据映射到准确的图像是一个具有挑战性的不适定逆问题(ill posed inverse problem)。
文章创新点：
基于此，美国杜克大学的Shiqi Xu(第一作者)和Roarke Horstmeyer(通讯作者)提出一种新的光学系统和数据后处理技术路线，称为并行漫射相关成像(parallelized diffuse correlation imaging,PDCI )。可以在数毫米的去相关浑浊介质下以数Hz的速率对动态事件成像。无需扫描或运动部件，在5-8mm深度处视场达140平方毫米。
(1) 使用含单光子雪崩二极管(single photon avalanche diode,SPAD)阵列相机的光路解决上述难题1和2；
(2) 使用一种定制的神经网络(一种新的映射关系)解决难题3。
原理解析：
使用基于物理信息(physics informed)的人工神经网络从测量到的散斑强度自相关曲线重建深层时域动力学(temporal dynamics)图像和视频。
（1）实验装置。使用液体仿体充当组织，液体仿体由1um直径的聚苯乙烯小球溶液置于薄壁透明容器中，用于遮挡目标物体。使用DMD(13.7um*13.7um,768*1024像素)模拟活体组织深层由血流引起的时域扰动变化，即以5-10kHz的速率变化DMD上的空间图案。670nm二极管泵浦固态(DPSS)激光耦合进多模光纤用作相干照明光源(相干长度≥10m)，激光强度调至符合ANSI安全标准。12条多模光纤以照明光纤为圆心，9mm为半径均匀分布在圆周上(反射的多散射光在组织的平均穿透深度约是光源和探测器间距离的1/2-2/3，组织仿体的模拟的组织厚度为5-8mm)接收散射光，并经过单透镜成像到SPAD阵列相机(32*32)上。
（2）数据采集和处理。不同光纤的散斑图成像在SPAD的不同区域，对每一根光纤的散斑图的每一个像素记录其强度随时间的波动，如图3c。然后求每个像素的自相关，如图3b。最终将每根光纤散斑图像对应的所有像素的自相关求平均，得出这根光纤的自相关曲线，见图3e。
（3）人工神经网络结构。由SPAD测得的12条自相关曲线作为神经网络的输入，编码器fθ(·)将输入压缩成低维流形(low dimensional manifold)，再由解码器gθ(·)从低维流形的时域动态恢复其空间分布。编码器包含三个全连接层，并利用跳跃连接(skip connection)使得误差能够更容易传递，三个全连接层使用leaky-ReLU激活函数。当输入被嵌入到一个低维流形后，解码器使用5个转置卷积层(transposed convolution layers)将其映射到时域动力学的二维空域重建。(数学原理见附录)
参考文献：S. Xu et al., "Imaging dynamics beneath turbid media via parallelized single-photon detection," arXiv:2107.01422 (2021).
DOI：https://arxiv.org/abs/2107.01422
附录：
网络要求解的问题是
是第i组测量yi的网络输出，M是训练对的总数
是数据保真项，训练网络来找到匹配ground truth的预测值
关于昊量光电：
上海昊量光电设备有限公司是国内知名光电产品专业代理商，代理品牌均处于相关领域的发展前沿；产品包括各类激光器、光电调制器、光学测量设备、精密光学元件等，涉及应用领域涵盖了材料加工、光通讯、生物医疗、科学研究、国防及更细分的前沿市场如量子光学、生物显微、物联传感、精密加工、先进激光制造等；可为客户提供完整的设备安装，培训，硬件开发，软件开发，系统集成等优质服务。
您可以通过昊量光电的官方网站www.auniontech.com了解更多的产品信息，或直接来电咨询4006-888-532。
本文章经光学前沿授权转载,商业转载请联系获得授权。
