Chip & Dale的洛杉磯留學生活

作為加州大學洛杉磯分校的電機與計算機工程系(UCLA ECE)的博士生，最近終於產出博士研究中的第一篇期刊論文(第一作者)啦！這篇論文的研究方向是將前瞻的繞射神經網路技術應用於生醫影像，在此跟大家分享。

最近，我參與的研究團隊在《Advanced Intelligent Systems》上發表了一篇新的期刊論文：Multispectral Quantitative Phase Imaging Using a Diffractive Optical Network。我們藉由繞射神經網路技術，建構了一種全新的多光譜定量相位成像系統。現在讓我盡量用簡單的敘述，跟你們分享這項創新成果。

首先，定量相位成像（QPI）是一種不需人工標記的成像技術，用於觀察透明樣本中光的變化。通過這種技術，我們可以評估物體的折射指數和厚度。傳統的QPI系統需要一些複雜和昂貴的元件和硬體來捕捉不同波長的光。這不僅增加了成本，而且還減慢了成像速度。

但是，我們的新設計改變了這一情況。我們使用深度學習設計了一個光學網絡，使其能夠一次性捕捉多個光譜帶的相位圖像。這意味著，只需一次攝影，我們就可以獲得多光譜的QPI圖像，而不再需要那些複雜的硬體以及後續的計算處理。

我們的設計利用了特定的繞射層，這些層有數十萬的繞射特徵。經過深度學習的訓練後，這個網絡能夠快速、準確地轉換輸入的光信號，並把它們導向到正確的位置。最終，這些光信號會被轉換成我們需要的QPI圖像。

通過這種新技術，我們成功地模擬出了多光譜QPI圖像的效果，並對一些在訓練中從未使用的樣本，如人類的薄層巴氏塗片樣本，進行了成像。這顯示了我們的系統具備著有效的泛化能力，能夠適用在各種特徵不同的樣本上。

總之，這項創新成果為生物醫學成像、材料科學和環境監測等領域帶來了一種高效、經濟的QPI解決方案，具有極大的應用前景。希望在不久的將來，大家都能從這種新技術中受益。

這項研究是由加州大學洛杉磯分校的Aydogan Ozcan教授領導的。其他的作者包括第一作者Che-Yung Shen (就是我XD), Jingxi Li和Deniz Mengu都來自加州大學洛杉磯分校的電機與計算機工程系。

希望這項研究能啟發到某些人的科學研究，歡迎大家來交流！

參考資料：

Multispectral Quantitative Phase Imaging Using a Diffractive Optical Network

All-optical machine learning using diffractive deep neural networks. Science，2018/7/26