双波长同轴数字全息是高精度定量相位成像的常用方法之一不过由于噪声放大，孪生像以及成像系统稳定性等影响，使实际应用中不太可能获得足够数量的真值图像用于训练，限制了该类神经网络在 DIDH 中的广泛应用

针对上述问题，课题组提出了用于 DIDH 成像的非训练神经网络即 DIDH—Net，可从 DIDH 成像数据中重建出噪声和孪生像双重抑制的目标相位分布。

据介绍，该研究可以为 DIDH 提供鲁棒的相位重建和高精度的光学厚度测量，并可为其他数字全息成像方案提供借鉴。

本站了解到，该课题组还在成像功能，信息获取维度等方面取得了进展，例如，利用深度学习技术实现全彩宽场显微光切片三维成像，共聚焦显微快速超分辨三维成像等。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。