基于时空傅里叶叠层成像的体内定量相位显微术

导读

傅里叶叠层成像（Fourier ptychography, FP）在定量相位成像（quantitative phase imaging, QPI）领域中取得了革命性的突破，提供优异的高通量成像能力。FP的广泛应用涵盖了无标记成像、药物筛选和数字病理等领域。然而，在快速成像应用层面，由于样本持续的运动和各种复杂行为，此技术在捕捉活体生物体的动态特性方面仍面临挑战。

鉴于此，阿卜杜拉国王科技大学（KAUST）计算成像课题组（Computational Imaging Group）提出了时空复用的傅里叶叠层成像（space-time Fourier ptychography, ST-FP）。该技术结合了基于压缩感知的FP模型，引入了时空域先验信息，用于联合重建连续帧中的相位、强度和光流场。该方法在多种应用场景中得到了验证：重构快速形态变化的多种活体微生物，重构未知速度的移动样本（振幅和相位分辨率板）。ST-FP的优异的相位恢复能力可融合数字重聚焦技术，对微生物进行全面的三维分析。相关工作以“Space-time Fourier ptychography for in vivo quantitative phase imaging“为题发表在光学期刊《Optica》上。

（注：标题‘in vivo，体内’，指针对单个微生物内部结构进行显微成像。）

研究亮点

技术路线

图1 (a) ST-FP系统的示意图，包括多路复用随机LED照明、通过物镜与镜筒透镜到传感器的光路，捕捉活体生物的动态变化。(b) 对于每个时刻利用运动场，分别应用前向和后向变形来估计前后时刻的物体信息。这种方法有效地聚合了跨时间的相位和幅度信息，从而提高了重建的精度和分辨率。该方法将重构时刻与拍摄时刻对齐，可应用于在物体发生快速显著运动的场景。

ST-FP基于优化问题来重建每个时刻下的物体信息。首先最小化观测数据与经过前向模型计算得到的预测之间的最小二乘误差。其次计算相邻帧间的光流场，基于此，应用映射投影（warp and projection）方案加入时间域约束，时刻t重建物体在时间上进行前向和后向变形（warp），然后在t+1和t-1时刻进行前向传播，投影（project）得到低分辨率图像，将结果与该时间点的测量数据进行比较。ST-FP还包含了多个平滑正则项，用于约束运动场（在空间上）和物体（在空间和时间上）的平滑性。

---实验结果

1、移动静态样本

研究人员对运动的USAF样本板进行了成像。图2 (a) 与 (b) 分别展示了在单个中心LED照明下捕获的全视场原始低分辨率图像及感兴趣区域（ROI）。图2 (c)是传统FP方法对静态样本重建的高分辨率结果，以供参考。随后，通过移动载物台以模拟运动条件。图2 (d) 与 (e) 分别展示了使用基于压缩感知的CS-FP方法和ST-FP在不同时刻下的结果。在动态条件下，传统的CS-FP方法结果的清晰度和对比度显著下降。ST-FP在运动过程中展示了更佳的时间域的一致成像性能。

图2 运动的USAF分辨率板成像结果。

2、自由移动的活体微生物

图 (3) 展示了CS-FP和ST-FP在活体轮虫重建中的比较分析。图(a) 和图(b) 分别展示了捕获的原始数据和放大区域。CS-FP方法利用多个时间帧的数据来重建单帧图像，假设在中间帧时间内物体的移动非常小。虽然该方法通过信息聚合有助于高分辨率图像的重建，但在中间期间的任何运动都可能破坏准静态假设，导致显著的伪影，如图(c) 和图 (e) 所示。ST-FP利用单帧时间图像进行重建。尽管这种方法本质上是病态的，但优化模型中的空间和时间正则化的加入显示出了令人满意的性能（见图(d) 和(f)）。ST-FP在实现锐利的幅度细节和饱和的相位恢复同时，背景噪声也被降低。

图3 自由移动的活体细胞（轮虫）成像结果。

总结与展望

文章提出了时空复用的傅里叶叠层成像（ST-FP），通过利用空间和时间先验信息来重建动态显微场景。该方法结合了光流估计和快速FP成像手段，将二者融合在统一的优化框架中实现计算。ST-FP通过关联速度场与不同时刻的重建复值物体信息，在精度上实现了互补协同提升。此外，ST-FP只需简易的硬件装置，可用于多种实际场景，包括活体缓步动物、混合类型轮虫和其他运动目标。ST-FP在使用数字重聚焦技术后，展示出强大的能力，可重建标本内部的精细结构。

---论文信息

Ming Sun, Kunyi Wang, Yogeshwar Nath Mishra, Simeng Qiu, and Wolfgang Heidrich, "Space-time Fourier ptychography for in vivo quantitative phase imaging," Optica 11, 1250-1260 (2024)