买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明公开了一种基于深度学习的计算全息重建方法，该方法包括以下步骤：S1、训练阶段；S2、测试阶段。本发明采用上述一种基于深度学习的计算全息重建方法，利用深度学习算法对肿瘤细胞计算全息图像进行处理和分析，以生成无零级像、共轭像干扰肿瘤细胞全息图，并实现对全息图的重建；该方法有效地抑制了散斑噪声，解决了零级像和共轭像难以去除的问题，从而精确再现了肿瘤细胞的结构和相位信息。

主权项：1.一种基于深度学习的计算全息重建方法，其特征在于，包括以下步骤：S1、训练阶段；S11、利用轻微离轴数字全息技术，通过搭建离轴数字全息记录光路，以肿瘤细胞数据为样本生成计算全息图像作为数据集，记作Hn，其中n＝1,2,3,4…j，j为生成的全息图数量；S12、将实验获得的全息图经同态滤波法得到无零级像、共轭像干扰全息图Dn，其中n＝1,2,3,4…j，j为生成的无零级像、共轭像干扰全息图数量；使用数字全息重建算法，通过数值重建计算获得相应角度下细胞的的相位图Pn，其中n＝1,2,3,4…j，j为生成的相位图数量；通过离散余弦变换方法解包裹，得到展开的初始相位；用基于相位梯度最小化的相位补偿方法对初始相位进行畸变补偿得到样品真实的相位分布Zn，其中n＝1,2,3,4…j，j为生成的真实相位图数量；S13、建立神经网络模型，初始化网络模型参数，将实验得到的肿瘤细胞计算全息图作为网络的输入，相应的无零级像、共轭像干扰肿瘤细胞全息图作为网络的标准输出结果进行训练，得到完成训练的神经网络model1；S14、利用生成的无零级像、共轭像干扰肿瘤细胞全息图作为输入，相应的细胞真实相位图作为网络的标准输出，通过已经建立神经网络模型进行训练得到训练完备的神经网络model2；S2、测试阶段；S21、调整光路，使用搭建好的离轴全息记录光路采集待测试样本的离轴全息图H；S22、将待测样本的离轴计算全息图H输入完成训练的神经网络模型model1，得到待测样本的无零级像、共轭像干扰肿瘤细胞全息图D；S23、将得到的无零级像、共轭像干扰肿瘤细胞全息图D输入完成训练的神经网络模型model2，得到肿瘤细胞全息图的高质量相位重建图；S24、对输出的相位重建图进行质量评估。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于深度学习的计算全息重建方法