光波攜帶的相位信息能揭示物質的厚度、折射率、幾何形貌等特性，因其無法直接被光學傳感器感知，通常需要干涉的方法進行檢測。數字同軸全息顯微(Digital in-line holographic microscopy, DIHM)憑借高空間帶寬積、無標記、非入侵、成像速度快等特點，成為了定量相位成像的常用方法。然而在實際應用中，全息圖重建過程中孿生像的干擾、采用大像素尺寸探測器導致的亞像素信息丟失會阻礙高質量的DIHM成像。深度學習憑借其噪聲抑制和逆問題求解能力，成為DIHM成像和像素超分辨(Pixel super-resolution, PSR)的有力工具。然而，當前大多數基于深度學習的方法依賴于監督學習和訓練實例來優化其權值和偏差，采集大量的全息圖及其相應的高分辨原始相位圖在實驗中不僅耗時久，且訓練數據的收集十分困難。此外，訓練后的模型對于不同于訓練數據的樣品泛化性十分有限。
 

　　圖 MPPN-PSR相位成像：(a)對TOMM20抗體細胞進行全視場像素超分辨相位成像，(b)不同PSR相位重建方法比較和(c)相應的光學厚度圖。
 

　　針對上述問題，研究團隊提出了一種DIHM像素超分辨相位成像的非訓練神經網絡，即多先驗物理增強神經網絡(MPPN-PSR)，可從同軸全息圖中高通量、高精度、高分辨地重建樣品的相位信息。MPPN-PSR將神經網絡和物理模型相結合，在一個非訓練的深度神經網絡中封裝了物理模型先驗、稀疏性先驗和深度圖像先驗，可避免神經網絡對大量訓練數據的需求，且無需任何額外的硬件設計，僅需單幅全息圖便能實現孿生像抑制、像素超分辨和高通量相位成像。MPPN-PSR方法相較無PSR的相位恢復方法，圖像的像素分辨率提高了3倍，與結合了像素超分辨的經典相位恢復方法Twist-TV-PSR相比，光學分辨率提高約2倍，且由于利用了低倍物鏡固有的大視場，MPPN-PSR提高了成像的空間帶寬積。該項研究成果有望為其它數字全息成像方案提供借鑒，并廣泛應用于生物醫學和工業測量領域。
 

　　瞬態光學與光子技術國家重點實驗室姚保利團隊近年來對智能光學顯微成像技術進行了深入研究，形成了多種新型光學顯微成像技術，在成像功能、信息獲取維度、性能指標等方面均獲得顯著提升，包括利用深度學習技術實現的全彩寬場顯微光切片三維成像、共聚焦顯微快速超分辨三維成像、快速光片三維顯微成像等，以及利用壓縮感知技術實現的高分辨率高信噪比的光片顯微成像、透過散射介質計算成像等。相關研究成果發表于Photon. Res.、Opt. Lett.、Opt. Express等期刊。此外，團隊在基于光場調控的光學顯微成像和光學微操縱方面開展了長期的理論和實驗研究工作，在PNAS、Nature Com.、PRL、Rep. Prog. Phys.、Adv. Opt. Photon.等期刊上發表300多篇論文，授權多項國家發明專利，曾獲陜西省科學技術一等獎、二等獎和陜西省重點科技創新團隊等獎勵和榮譽。