Adv. Photon.丨清华大学精密仪器系研究团队实现像差自校准的智能显微成像

定量相位显微作为无标记成像技术，利用相位信息实现透明样品的可视化和定量表征，在生物医学、数字病理和工业检测等领域具有广泛应用。

然而，成像系统中普遍存在的光学像差会导致波前畸变，显著降低相位成像的质量和分辨率，成为制约其性能进一步提升的关键瓶颈。而深度学习的高速发展为显微成像的瓶颈突破带来了可能。

近日，清华大学精密仪器系研究团队提出了物理信息循环一致性网络（PICNet），实现了定量相位显微的自适应像差校正，有效突破了现有相位恢复方法在速度和保真度方面的瓶颈限制。通过引入可学习的物理前向模型，在无需预标定下，仅通过单帧测量实现了像差的快速表征和物体相位的准确重建。研究提出的自校准框架为计算成像逆问题提供了有效解决方案。

相关研究成果以“Adaptive aberration-corrected quantitative phase microscopy via physics-informed deep learning”为题发表于Advanced Photonics 2025第6期。本文的通讯作者为清华大学曹良才教授和孙洪波院士，第一作者为许丹琳博士生。研究工作得到了国家自然科学基金项目支持。

光学显微技术是揭示微观世界结构和功能的重要工具。对于透明样品，由于其固有的低吸收特性，在明场显微成像下往往呈现低对比度，导致微观结构难以清晰观测。虽然采用外源标记如荧光显微能显著提升成像对比度，但染料引入的光毒性和光漂白问题，会限制活细胞的长期动态观测。

定量相位显微通过测量样品导致的相位延迟，实现了无标记、非侵入式的成像。然而，光学系统中固有的光学像差会引起波前畸变，进而引起相位重建失真、分辨率下降和对比度受损等问题（图1）。

目前常用的像差校正方法主要分为硬件补偿和算法校正两类。硬件补偿依赖精密设计光路来直接补偿像差，但系统复杂且成本高；而现有的算法校正需要预先标定、多帧测量或精细调参，迭代优化耗时，难以适用于动态成像场景。

近年来，深度学习成为突破显微成像性能瓶颈的新思路。然而，基于数据驱动的深度学习通常依赖大规模的“像差失真—无像差”配对数据进行训练，学习从强度到相位的映射，缺乏物理先验，泛化能力弱。因此，如何在保证计算效率与成像质量的前提下，实现像差自适应校正的相位显微成像，仍然是当前亟待突破的关键挑战。

图1 定量相位显微成像的物理前向模型和光学像差的影响

本文提出了物理信息循环一致性网络（PICNet），搭建了一套自适应像差校正的定量相位显微系统，能够实现无需预标定、计算高效、高保真的快照式定量相位成像。

PICNet主要由像差生成器和相位生成器组成。像差生成器用于预测系统像差，通过将其嵌入可学习的物理前向模型中来约束模型逼近真实成像过程；相位生成器则用于从测量图中重建物体相位。两者基于测量域与物体域之间的循环一致性进行联合优化，从而实现从单帧采集的强度图中同时重建系统像差和物体相位分布（图2）。

实验表明，PICNet在保真度、处理速度和泛化性显著优于传统相位恢复方法。相比于未校正像差和耗时的迭代相位恢复方法，PICNet在结构相似度上提升了60%，单帧计算时间为0.04秒（224×224像素）。不同于数据驱动深度学习，PICNet的训练不需要配对的数据集，引入物理前向模型约束，增强了物理可靠性和泛化能力。

这项工作的核心创新在于构建了一套通用的自校准成像框架。通过深度学习自动估计成像过程中未知的物理参数，有效破解了物理建模与真实成像过程不一致的难题。所构建的像差自适应校正智能显微成像系统，为生物医学成像和光学检测计量等领域实现高效率、高精度和高质量的相位成像开辟了新的技术路径。

图2 物理信息循环一致性网络PICNet的工作原理

为验证PICNet的性能，团队搭建了紧凑型的定量相位显微成像系统（图3），用相位型鉴别率板和生物组织作为观测对象进行相位成像。在采集了像差扰动强度图后，利用PICNet的方法能够同时校正系统像差和实现快速高保真的相位重建。

图3 定量相位显微成像的实验系统图

通过对比标准测试样品，验证了PICNet的相位重建具有高准确性。由于相位反映光经过样品的光程差，可以从恢复的相位信息中解算样品的表面形貌分布。图4展示了对相位型鉴别率板的相位和面型高度的重建结果（图4）。

图4 相位型鉴别率板的重建相位和面型高度

通过改变样品的离焦距离，引入不同程度的离焦像差，验证了PICNet的像差自动校准能力。结果表明，在离焦15微米至30微米范围内，均实现了鲁棒的像差补偿和高保真的相位成像（图5）。

图5 像差自适应校准能力的验证

通过对小肠组织切片进行相位成像，验证了PICNet在生物组织成像的应用。相比于未校正像差的方法，PICNet能够自动校正像差引入的畸变，显著提升了成像对比度，实现更清晰的组织形态可视化（图6）。

图6 生物组织的重建结果对比

本研究提出了一种像差自适应校准的快照式定量相位成像范式，验证了其在生物组织成像、器件面型表征的应用，为生命科学研究和工业检测带来高效可靠的技术途径。

该方法为解决计算成像中的逆问题提供了通用高效的框架，适用于前向模型参数未知或难以准确建模的成像系统，可进一步拓展到荧光显微、层析成像、鬼成像、天文成像等计算成像模式，有望推动计算成像向实时化、自适应化和高性能化方向发展。