[发明专利]一种基于深度学习的结构光超分辨显微成像方法和系统

权利要求书

1.一种基于深度学习的结构光超分辨显微成像系统，其特征在于，所述系统包括沿光路方向依次分布的光源、第一透镜、偏振分光棱镜、空间光调制器SLM、第二透镜、照相模式切换模块、第三透镜、显微物镜、三维电动载物台、二向色镜、筒镜、滤色片和相机；

光源发出的光经过第一透镜和偏振分光棱镜，垂直入射到空间光调制器SLM，从空间光调制器SLM出来的衍射光沿原路返回，由偏振分光棱镜反射进入第二透镜，经透镜准直后进入照明模式切换模块，所述照明模式切换模块用于根据具体的成像需求进行不同照明模式的切换；照明模式切换模块的出射光经第三透镜后由二向色镜反射至显微物镜，由显微物镜聚焦后激发放置在三维电动载物台上的样本产生荧光，荧光信号由显微物镜收集后通过二向色镜透射，经过筒镜和滤色片组合，由相机采集并成像。

2.根据权利要求1所述的基于深度学习的结构光超分辨显微成像系统，其特征在于，所述照相模式切换模块包括沿光路依次设置的多孔掩模板、偏振调节装置以及第四透镜。

3.根据权利要求2所述的基于深度学习的结构光超分辨显微成像系统，其特征在于，所述多孔掩模板用于进行空间滤波，包括2N个旋转对称分布的针孔，或为这些针孔分布模式的组合，其中N为整数。

4.根据权利要求2所述的基于深度学习的结构光超分辨显微成像系统，其特征在于，所述偏振调节装置包括偏振旋转器和液晶位相补偿器组合，或两个半波片的组合。

5.根据权利要求1所述的基于深度学习的结构光超分辨显微成像系统，其特征在于，所述照相模式切换模块包括三种模式：

1)3D-SIM模式：该模式允许0级以及正负1级衍射光通过；

2)2D-SIM模式：该模式仅允许正负1级衍射光通过；

3)宽场模式：该模式仅允许0级，正1级或负1级三者中的一束衍射光通过，或通过破坏光束干涉条件实现，或通过在相机单次曝光时间内切换结构光条纹照明模式实现。

6.基于权利要求1至5任意一项所述系统的基于深度学习的结构光超分辨显微成像方法，其特征在于，所述方法包括以下步骤：

步骤1，切换所述结构光超分辨显微成像系统的照明模式为3D-SIM模式或2D-SIM模式，采集获取N帧被结构光照明模式调制的原始图像；

步骤2，基于所述原始图像，通过算法重建获得一幅超分辨图像，作为一个关键帧；

步骤3，切换所述结构光超分辨显微成像系统的照明模式为宽场模式，采集当前时刻的宽场图像；

步骤4，将所述关键帧、宽场图像输入至神经网络，获得当前时刻的超分辨图像；

步骤5，采集下一时刻的宽场图像，

步骤6，将所述关键帧，以及下一时刻的宽场图像输入至神经网络，获得当前时刻的超分辨图像；

步骤7，重复执行步骤5至步骤6，直至完成超分辨成像。

7.根据权利要求6所述的基于深度学习的结构光超分辨显微成像方法，其特征在于，所述步骤5至步骤7可替换为：

步骤5，判断生物结构的形态变化是否超过预设变化阈值，若是，则执行步骤1和步骤2，再获得一个关键帧，之后采集下一时刻的宽场图像，执行下一步；否则采集下一时刻的宽场图像，执行下一步；

步骤6，若当前关键帧数目为一，则执行：将所述关键帧以及下一时刻的宽场图像输入至神经网络，获得当前时刻的超分辨图像；否则执行：将任意一个或多个关键帧，以及下一时刻的宽场图像输入至神经网络，获得当前时刻的超分辨图像；

步骤7，重复执行步骤5至步骤6，直至完成超分辨成像。

8.根据权利要求7所述的基于深度学习的结构光超分辨显微成像方法，其特征在于，步骤5中的判断条件可替换为：是否出现新的生物结构。

9.根据权利要求8所述的基于深度学习的结构光超分辨显微成像方法，其特征在于，步骤5中的判断条件可替换为：当前时刻与初始时刻的时间差是否达到预设时间间隔阈值。

10.根据权利要求7所述的基于深度学习的结构光超分辨显微成像方法，其特征在于，步骤6中神经网络的输入还包括一个或多个之前时刻神经网络输出的超分辨图像，且其与关键帧的存在关系为和或关系。