报告题目： 深度学习于光学显微系统、全息成像与感知系统中的应用

报 告 人： 刘泰然

报告时间： 2023年4月10日10：00-11：00

报告地点： 北航本部新主楼F-706

摘要：数百年来，显微镜成像技术一直是诊断多种疾病的金标准方法。然而，传统光学显微镜对高端光学器件的依赖往往会限制其在许多应用中的使用。与深度学习相结合的计算成像技术近年来的发展彻底改变了这个领域，在实现更快的成像速度和与更高的图像质量的同时，还保持了光学系统结构的简洁。本次报告的第一部侧重于介绍使用深度学习来提升显微成像系统性能，从超分辨、彩色全息成像和定量偏光成像等多方面展示深度学习对计算成像系统的性能提升。在这部分中，主讲人将首先介绍如何使用深度学习来提升受像素尺寸或光学衍射极限限制的相干光成像系统的分辨率，为提高相干成像系统的空间带宽积提供了一种快速、非迭代的方法。 然后，通过展示一种仅使用单个全息图的高保真彩色全息图像重建的方法，主讲人将介绍深度学习是如何被用来同时消除孪生像伪影与校正颜色失真的。 此外，主讲人还会介绍一种基于深度学习的全息偏光显微成像技术，在深度学习的帮助下，该成像系统可以仅使用一对起偏器/分析器定量分析样品的双折射延迟和取向信息。

    本次报告的第二部分则侧重于介绍如何将深度学习应用在不同的生物医学成像或感知的任务中，使这些成像/感知系统能够高效地执行如虚拟组织学染色、病原体检测和细胞分类等任务。在这部分中，主讲人将首先介绍一种数字染色技术，使用深度学习将无标记组织切片的定量相位图像 (QPI) 转换为与组织学化学染色后的相同组织切片的明场显微镜图像等效的图像。接下来，主讲人将介绍基于延时摄影的微生物检测平台。使用深度学习作为分类器，该类平台往往能以较低的硬件成本高效地完成如细菌菌落检测、病毒空斑检测与稀有细胞检测的任务。

报告人简介：

    刘泰然于2015年获北京理工大学工学学士学位，2017年获美国密歇根大学电气与计算机工程硕士学位，2022年获美国加州大学洛杉矶分校电气与计算机工程博士学位。主讲人博士期间致力于将机器/深度学习等方法与传统成像系统相结合，以人工智能在生物医学成像系统中的应用为核心，开展从多维度提升不同生物医学成像系统性能的科研工作。在彩色全息成像、超分辨成像、全息偏光显微技术、光学相干断层扫描、细胞仪技术、基于图像推理的虚拟染色等领域取得了一系列科研与创新成果。