使用基于学习的二进制相位滤波器和图像反卷积实现在生物医学成像领域，对横向和轴向各种空间尺度的高分辨率成像的需求至关重要。显微成像系统是细胞术、组织学和内窥镜检查等基于图像的诊断的基础，通常受到小景深的限制。该自由度基本上决定了物体可以清晰成像的范围，受工作波长和孔径大小等因素的限制。
a： 通过物理信息神经网络联合学习轴对称二元相位滤波器和图像重建网络。将学习到的BPF制成并插入光学显微镜的瞳孔平面中，从而在扩展的深度范围内产生投影体积图像。随后，将采集的图像馈入联合学习的重建网络，以在扩展的自由度上生成高分辨率、高对比度的图像。 b，通过对荧光染料染色且未重新聚焦的大规模小鼠肾组织切片成像，进一步证明了E2E-BPF显微镜的活力。OBJ：显微镜物镜;NA： 数值孔径;TL：镜筒透镜;CAM：相机。
传统显微镜在景深和空间分辨率之间有着内在的权衡。高数值孔径物镜虽然可以详细观察细胞和亚细胞特征，但视场和景深有限。因此，在每个横向位置进行连续重新聚焦的繁琐过程是必要的，这既费时又费力。尽管多年来已经进行了各种尝试来增强自由度，但解决方案往往不是最佳的，并导致光吞吐量和信息容量的妥协。
在发布在《光科学与应用》杂志上的一篇新论文中，由韩国首尔延世大学机械工程系的Chulmin Joo教授及其同事领导的一组科学家开发了E2E-BPF显微镜，这是一种专门解决这些限制的计算成像平台。其技术的核心是使用与图像重建网络联合优化的二元相位滤波器，以在扩展的景深上生成高分辨率和高对比度的图像，从而减少重新聚焦的需求。
本研究的端到端框架采用深度学习，共同设计了具有大数据集的DoF扩展BPF和相关成像重建网络。一旦实现，学习到的BPF使显微镜能够产生深度不变的点扩散函数。当与联合学习的反卷积网络配对时，E2E-BPF 可生成高分辨率图像，其自由度是标准显微镜的 15.5 倍以上。科学家们将此归因于BPF和反卷积网络的创新设计策略：
“在深度神经网络框架中采用这种二进制结构设计带来了挑战，尤其是在二进制函数的梯度计算方面。我们通过引入可微分惩罚函数和专用的 BPF 损失项解决了这个问题。
“BPF的特点是具有二元相态的同心环，适合简单和可扩展的制造。我们方法的主要特点之一是消除了对BPF中同心环数量的限制。这不仅实现了更大的景深扩展，还为BPF设计提供了额外的灵活性，使其能够更好地针对特定的成像需求进行优化。
通过对荧光标记的微球和组织切片的数值模拟和实验的融合，E2E-BPF显微镜展示了其在比传统显微镜大得多的景深上实现高分辨率、高对比度成像的潜力。“这种方法的影响是广泛的，有望在基于图像的快速诊断和光学视觉中得到应用。与所有研究一样，持续的探索和改进，包括纳入系统畸变，是必不可少的，“科学家们预测道。
