在現(xiàn)代生物學(xué)中，光學(xué)顯微鏡是一種不可替代的研究方法，被廣泛應(yīng)用于生物組織成像中。但生物組織大多數(shù)都具備折射率各向異性的特點(diǎn)，光在組織內(nèi)的傳輸過程中會發(fā)生散射和畸變，限制了深層成像能力。借助自適應(yīng)光學(xué)技術(shù)可以對畸變的波前進(jìn)行校正，進(jìn)而實(shí)現(xiàn)在組織深層的清晰成像。目前普遍采用的自適應(yīng)光學(xué)技術(shù)單次校正視場范圍有限，無法滿足在大視場范圍下的快速校正，故影響此技術(shù)在活體生物組織中進(jìn)行實(shí)時(shí)成像的能力。
為此，浙江大學(xué)斯科教授課題組結(jié)合共軛型自適應(yīng)光學(xué)系統(tǒng)和相干光自適應(yīng)校正技術(shù)，提出了一種并行共軛型自適應(yīng)光學(xué)（Parallel Conjugate Adaptive Optics, PCAO）校正算法。與傳統(tǒng)的CAO （Conjugate Adaptive Optics）方法相比，該算法不增加空間光調(diào)制器的刷新次數(shù)，并行提取多路反饋光強(qiáng)信號，即同步記錄多個導(dǎo)引星的光強(qiáng)，從而實(shí)現(xiàn)大視場范圍下的像差校正，完成快速的波前校正；如圖1(b)，經(jīng)過PCAO，校正效果在全區(qū)域的視場范圍下均有效。
圖1（a）傳統(tǒng)的CAO算法校正后的相位殘差分布（b）PCAO算法校正后的相位殘差分布（μsL=3.35）
為了證明PCAO算法的可行性，該課題組將PCAO算法應(yīng)用于多層隨機(jī)相位屏和小鼠大腦組織的散射校正，并獲取熒光小球的成像結(jié)果，此時(shí)引導(dǎo)星的數(shù)目設(shè)定為9個。結(jié)果表明，針對由5層隨機(jī)相位屏構(gòu)成的薄散射介質(zhì)，PCAO算法單次校正的有效視場約為傳統(tǒng)方法的4.7倍，如圖2；對于120 μm厚的小鼠大腦組織切片樣本，單次校正的有效視場約為傳統(tǒng)方法的4.6倍，如圖3。可以預(yù)料到導(dǎo)引星選取數(shù)量的增加還可有助于校正視場范圍的進(jìn)一步提升，從而大大減少相差計(jì)算和補(bǔ)償?shù)臅r(shí)間，為生物組織深處高速高分辨成像提供一種可行的參考方案。
圖2 在200 μm×200 μm的視場內(nèi)：（a）未放置散射介質(zhì)時(shí);（b）透過隨機(jī)相位屏散射后;（c）傳統(tǒng)CAO算法校正后;（d）PCAO算法校正后，對4 μm熒光小球的成像結(jié)果。每個圖下側(cè)分別對應(yīng)放大后83 μm×83 μm視場內(nèi)的熒光圖像。白色虛線分別圈定校正視場的大致范圍。（e-g）分別對應(yīng)不同方法校正后沿白色虛線1，2，3處的光強(qiáng)分布曲線。其中（g）圖經(jīng)過光強(qiáng)歸一化并高斯擬合的處理。CAO表示傳統(tǒng)的單導(dǎo)引星的CAO算法。（散射介質(zhì)μsL=5.38）
圖3（a）散射介質(zhì)設(shè)置原理圖，總厚度120 μm的大腦切片作為散射介質(zhì)。圖4(b~e) 為在200 μm×200 μm的視場內(nèi):（b）未放置散射介質(zhì)時(shí);（c）透過小鼠大腦切片散射后;（d）傳統(tǒng)CAO算法校正后;（e）PCAO算法校正后，對4 μm熒光小球的成像結(jié)果。每個圖下側(cè)分別對應(yīng)放大后83 μm×83 μm視場內(nèi)的熒光圖像。白色虛線分別圈定校正視場大致范圍。（f～h）分別對應(yīng)不同方法校正后沿白色虛線1，2，3處的光強(qiáng)分布曲線。其中（h）圖經(jīng)過光強(qiáng)歸一化和高斯擬合處理。（散射介質(zhì)μsL=2.65）
因此，PCAO算法有望應(yīng)用在活體中對深層組織進(jìn)行實(shí)時(shí)的像差校正，完成大視野內(nèi)清晰的活體生物成像，對于神經(jīng)科學(xué)研究具有重要的研究意義。
該文章發(fā)表在《中國激光》第45卷第12期，且被選為當(dāng)期封面文章，具體文章內(nèi)容點(diǎn)擊查看：
http://www.opticsjournal.net/Articles/abstract?aid=OJ181212000029eKgNjQ
為此，浙江大學(xué)斯科教授課題組結(jié)合共軛型自適應(yīng)光學(xué)系統(tǒng)和相干光自適應(yīng)校正技術(shù)，提出了一種并行共軛型自適應(yīng)光學(xué)（Parallel Conjugate Adaptive Optics, PCAO）校正算法。與傳統(tǒng)的CAO （Conjugate Adaptive Optics）方法相比，該算法不增加空間光調(diào)制器的刷新次數(shù)，并行提取多路反饋光強(qiáng)信號，即同步記錄多個導(dǎo)引星的光強(qiáng)，從而實(shí)現(xiàn)大視場范圍下的像差校正，完成快速的波前校正；如圖1(b)，經(jīng)過PCAO，校正效果在全區(qū)域的視場范圍下均有效。
圖1（a）傳統(tǒng)的CAO算法校正后的相位殘差分布（b）PCAO算法校正后的相位殘差分布（μsL=3.35）
為了證明PCAO算法的可行性，該課題組將PCAO算法應(yīng)用于多層隨機(jī)相位屏和小鼠大腦組織的散射校正，并獲取熒光小球的成像結(jié)果，此時(shí)引導(dǎo)星的數(shù)目設(shè)定為9個。結(jié)果表明，針對由5層隨機(jī)相位屏構(gòu)成的薄散射介質(zhì)，PCAO算法單次校正的有效視場約為傳統(tǒng)方法的4.7倍，如圖2；對于120 μm厚的小鼠大腦組織切片樣本，單次校正的有效視場約為傳統(tǒng)方法的4.6倍，如圖3。可以預(yù)料到導(dǎo)引星選取數(shù)量的增加還可有助于校正視場范圍的進(jìn)一步提升，從而大大減少相差計(jì)算和補(bǔ)償?shù)臅r(shí)間，為生物組織深處高速高分辨成像提供一種可行的參考方案。
圖2 在200 μm×200 μm的視場內(nèi)：（a）未放置散射介質(zhì)時(shí);（b）透過隨機(jī)相位屏散射后;（c）傳統(tǒng)CAO算法校正后;（d）PCAO算法校正后，對4 μm熒光小球的成像結(jié)果。每個圖下側(cè)分別對應(yīng)放大后83 μm×83 μm視場內(nèi)的熒光圖像。白色虛線分別圈定校正視場的大致范圍。（e-g）分別對應(yīng)不同方法校正后沿白色虛線1，2，3處的光強(qiáng)分布曲線。其中（g）圖經(jīng)過光強(qiáng)歸一化并高斯擬合的處理。CAO表示傳統(tǒng)的單導(dǎo)引星的CAO算法。（散射介質(zhì)μsL=5.38）
圖3（a）散射介質(zhì)設(shè)置原理圖，總厚度120 μm的大腦切片作為散射介質(zhì)。圖4(b~e) 為在200 μm×200 μm的視場內(nèi):（b）未放置散射介質(zhì)時(shí);（c）透過小鼠大腦切片散射后;（d）傳統(tǒng)CAO算法校正后;（e）PCAO算法校正后，對4 μm熒光小球的成像結(jié)果。每個圖下側(cè)分別對應(yīng)放大后83 μm×83 μm視場內(nèi)的熒光圖像。白色虛線分別圈定校正視場大致范圍。（f～h）分別對應(yīng)不同方法校正后沿白色虛線1，2，3處的光強(qiáng)分布曲線。其中（h）圖經(jīng)過光強(qiáng)歸一化和高斯擬合處理。（散射介質(zhì)μsL=2.65）
因此，PCAO算法有望應(yīng)用在活體中對深層組織進(jìn)行實(shí)時(shí)的像差校正，完成大視野內(nèi)清晰的活體生物成像，對于神經(jīng)科學(xué)研究具有重要的研究意義。
該文章發(fā)表在《中國激光》第45卷第12期，且被選為當(dāng)期封面文章，具體文章內(nèi)容點(diǎn)擊查看：
http://www.opticsjournal.net/Articles/abstract?aid=OJ181212000029eKgNjQ
轉(zhuǎn)載請注明出處。
相關(guān)文章
熱門資訊
精彩導(dǎo)讀
關(guān)注我們
