XiaoMi-AI文件搜索系统
World File Search SystemQPI
使用衍射型光学网络
定量相成像（QPI）是一种无标签的计算成像技术，用于各个领域，包括生物学和医学研究。现代QPI系统通常依靠使用迭代算法进行相位检索和图像重建的数字处理。在这里，我们报告了一个衍生光网络，该衍射光网训练，该网络训练了将随机扩散器后面的输入对象的相位信息转换为输出平面处的强度变化，从光学上执行相位恢复和对相位对象的定量成像，完全由未知的随机相位扩散器完全隐藏。此QPI衍射网络由连续的衍射层组成，轴向跨度延伸约70，其中照明波长；与现有的数字图像重建和相位检索方法不同，它形成了一个全光处理器，该处理器不需要超越照明光束的外部功率才能以光传播的速度完成其QPI重建。这个全光衍射的处理器可以通过随机的，未知的扩散器提供低功率，高框架速率和紧凑型替代方案，用于对相对的定量成像，并且可以在电磁频谱的不同部分进行生物医学成像和传感的各种应用。可以将所提供的QPI衍射设计集成到标准CCD/CMOS基于基于CMOS的图像传感器的活动区域，以将现有的光学显微镜转换为衍射QPI显微镜，在芯片上通过无线衍射层内的光衍射进行相位恢复和图像重建。
傅里叶变换准粒子干涉图的从头算理论及其在拓扑绝缘体 Bi2Te3 中的应用
能带结构各点之间的散射矢量。在这方面，傅里叶变换的 QPI 图提供了拓扑绝缘体存在的首批实验证据之一，[4]因为它揭示了背向散射矢量处强度的“缺失”，正如理论所预测的那样。从理论的角度来看，QPI 图的计算主要基于模型方法，例如在拓扑绝缘体表面，[5]其中表面能带结构可以用简单的模型哈密顿量来近似。然而，一般而言，基于密度泛函的方法对于表面电子结构的实际描述是必需的，特别是杂质势，其中杂质周围的电荷弛豫在正确描述散射相移中起着重要作用。密度泛函计算的一个困难是缺陷引起的密度振荡范围非常大，可以达到几十甚至几百纳米，因此超晶胞方法实际上无法达到这个极限。这些挑战只能通过从头算格林函数嵌入方法来解决，比如 Korringa-Kohn-Rostoker（KKR）方法。作为一个应用的例子，我们参考了 Lounis 等人 [6] 对 Cu(111) 和 Cu(001) 表面上的 QPI 的计算，这是由于表面下埋藏着一个孤立杂质。这些结果表明，利用格林函数技术可以在相当大的表面积上对 QPI 图进行从头算计算。然而，对于傅里叶变换的 QPI 图，直接用格林函数卷积来表示结果是可行的[7]，避免了计算大表面积中实空间图的中间步骤。在本文中，我们将探讨这个问题，并给出它在拓扑绝缘体领域的应用。在第 2 节中，我们概述了 KKR 方法中实空间和傅里叶变换 QPI 映射的形式。此外，我们讨论了多杂质实际情况的傅里叶变换 QPI，并认为多杂质问题可以用单杂质结果很好地近似。我们还讨论了扩展的联合态密度方法 (exJDOS)。在第 3 节中，我们将我们的形式应用于具有表面杂质的拓扑绝缘体 Bi 2 Te 3。这在 JuKKR 代码包中实现。[8] 最后，我们在第 4 节中进行了总结。
细胞NAP：一种用于定量相成像中3D细胞分割的快速，准确算法
1引入细胞形状的调节和协调在生物存在的各个阶段都是天然生理的核心。光学成像的最新进展通过揭示了具有先前未想象的细节的细胞特征和过程，从而为这种现象提供了机械见解。1，2，3对这种复杂的生物过程进行准确分析的中心是细胞图像的精确分割。量化细胞形态，例如形状，面积，循环，纵横比等，首先是在给定视野中首先分割细胞。由于其毫无疑问的意义，已经完成了许多工作来标准化该过程。有发达的开源软件套件，尤其是CellProfiler 4和Cellpose，5，以非常准确地执行此类分割任务。最新对CellProfiler的更新包括三维（3D）图像分割的功能，目前是执行此类任务的最广泛使用的工具。但是，由于当前用于生物成像的主力是荧光显微镜，因此所有标准的分割软件均针对荧光图像进行优化和针对分析。然而，非常需要研究活细胞中各种结构的动力学和生理活性。定量相成像（QPI）使用基于激光的干涉法测量光场图像，并迅速作为可行的成像替代方案出现，因为它提供了无标签方式的形态和动力学的客观度量。这个1除了由常规强度的微拷贝技术提供的振幅图像外，QPI还测量了由样品的折射率（RI）分布控制的光相延迟图。由于内源性RI分布与细胞类型的结构和生化特征密切相关，因此可以分析获得的现场图像，以系统地发现图像中编码的细胞类型特异性形态和生物物理指纹。在过去的二十年中，QPI为各种生物学植物提供了重要的见解，从红细胞的膜动力学6到神经元活性7和细胞纳米粒子相互作用，8、9和细胞 - 滴定相互作用。10最近，还表明QPI图像可以使用深度学习技术映射到荧光图像，这是一种概念，即形成图像到图像的翻译。使用QPI和机器学习的组合的污渍（即，特定的荧光团/污渍将在未标记的标本中结合）的预测，11 - 13及其逐渐添加了更多的污渍。的确，具有计算特异性的相成像可以独立地独立地测量核和细胞质的生长，而不会丧失生存力。中述许多应用和其他紧急应用的中心是QPI在依附和流动的细胞种群中QPI的固有能力，在库中测量单细胞体积和质量非破坏性和超敏感性。1进行此类分析的关键步骤是细胞群体层析成像图像的准确分割。由于QPI成像仍然是细胞生物学领域中相对较新的技术，因此分析管道不像荧光图像那样发达。为荧光图像分割而开发的工具箱与QPI图像无法很好地工作，因为荧光对比度比RI对比度更加清晰。同样，在某些分割程序中，染色的核被用作定义各自的细胞质边界的基准标记，因此，这种算法在QPI成像中不能直接实现。这促使研究人员开发了针对QPI图像量身定制的分割算法，但其适用性仅限于迄今为止的二维图像。用于3D QPI细胞分割的最新方法是一种基于OTSU的3D水置算法15（以下称为这项工作中的OTSU阈值算法）。
基于一动不动的光学扫描全息
光学扫描全息图（OSH）可以应用于3D荧光成像。但是，由于需要相位变速器，2D机械扫描仪和干涉仪，OSH的光学设置变得复杂。尽管一动不动的光学扫描全息图（MOSH）可以提出问题，但尚未实现定量相成像（QPI），因为MOSH只能获得不可接受的全息图。如果实现了MOSH中的QPI，则可以将MOSH应用于各种应用程序。在这封信中提出了基于MOSH的QPI（MOSH-QPI）。此外，还提供了对OSH连贯模式的简单描述。在原则实验中，使用空间分开的相移技术来减少测量数量。通过测量Microlens阵列的相分布来确认MOSH-QPI的可行性。MOSH-QPI也用于测量实际样品，并将其结果与使用Mach-Zehnder干扰物的常规结果进行比较。
QpiAI™ 物流人工智能与量子垂直整合。
● QpiAI 是 Qpi Technology 的一部分 ● 40 多名强大的工程团队专注于技术和产品构建 ● 为 QpiAI 申请了 10 项专利；Qpi Technology 已申请 20 项专利，其中 1 项已授予 ● 13 名博士在集团层面研究算法、处理器和设备 ● 来自印度理工学院班加罗尔分校、阿拉哈巴德 HRI 和牛津大学的顾问
用定量相成像测量细胞干质量
获得有关细胞形态和动力学的定量数据对于活细胞成像至关重要。许多细胞反应反映在细胞干质量的变化中（蛋白质，核酸，脂质的含量，…）。细胞干质量是评估细胞状况的敏感参数。细胞干质量的变化可以信号在细胞代谢，生存力，独特的细胞行为和罕见细胞事件中的变化，否则这些事件将需要使用荧光成像或保持未涂料。QPI可以直接测量Pg/μm²中的细胞干质量，因此可以完全非侵入性地对敏感细胞参数进行可靠的分析。使用QPI，可以探索以前看不见的动态变化。
用金属>的定量相成像内窥镜检查
抽象定量相成像（QPI）从强度测量中恢复了光的精确波前。可以从这些量化的相移中提取半透明微观体的地形和光密度图。我们使用氮化硅倍曲底金属固有的色差束在相干束束的尖端进行定量相成像。我们的方法利用光谱多路复用来使用彩色摄像头从单个捕获中的多个散焦平面恢复相位。我们的0.5 mm光圈金属量具有28°视图和0.2π相分辨率（空气中的〜0.1λ）显示出可靠的定量相成像能力，用于内窥镜束束的实验。由于光谱功能直接在成像晶状体中编码，因此金属既充当聚焦元件，又是光谱过滤器。使用简单的计算后端的使用将实现实时操作。在据报道的基于金属的QPI中，完全缓解了内窥镜检查相时成像方法的关键局限性。
从障碍到资产：AI方法利用光学现象产生更好的显微镜图像
通过采用生成AI模型，只需一次一次接触即可获得使QPI对生物医学应用吸引的必要图像质量。该团队于2月下旬举行的AI促进协会（AAAI 2025）于今年在费城组织的AI协会的第39届AI年会。相应的会议论文可在Arxiv预印式服务器上找到。
![arxiv：2501.14290v1 [physics.optics] 2025年1月24日](/simg/g:\will\search\icon\source\4\4bc259017b9a8d879b83ffcfcf17b903cd7d057d.webp)
arxiv：2501.14290v1 [physics.optics] 2025年1月24日
相比显微镜（PCM），由1930年代的Frits Zernike发明[1]在生物学和医学研究中至关重要，特别是在观察其自然状态的活细胞而没有染色的情况下。在PCM中，样品衍射的光会干扰未改变的光，形成了对比图像，可以观察到有关样品的相位信息。然而，由于其内在的光环和阴影伪影[2]，这种成像过程没有定量。定量相成像（QPI）是可取的，因为它可以提供有关Sample的光学特性的更精确的信息。通常，QPI系统很复杂，需要专业知识才能实用。因此，有必要在保持其易于使用的同时提高PCM的定量性。改善PCM的一种方法是修改其硬件设置，尤其是照明和相位调节，以减少工件并改善定量准确性。Maurer等。[3]采用随机点相掩模来抑制光环和阴影效应。然后Gao等人扩展了这个想法。[4]，其中使用了具有三个相移位置的可旋转相板。通过相移，他们实现了定量相测量，但准确性受到限制。在空间光干扰显微镜（Slim）[5]中，实现了一种相似的相移技术，但通过具有空间光调制器（SLM）的附加模块实现了，从而实现了定量相成像。除了硬件修改外，还开发了纯粹的计算方法。Yin等。Yin等。这些方法对PCM的光学特性进行了建模，并且通过优化解决反向成像问题来实现相位重新。[6]开发了一个线性想象模型，该模型允许在弱相范围内进行相位检索。最近，我们提出了一种基于建模不相干照明的方法，其中在πrad的明确相位范围内的相位恢复
