現(xiàn)代生物學中，光學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，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)光學技術(shù)可以對畸變的波前進行校正，進而實現(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行實時成像的能。

　　為此，浙江大學斯科教授課題組結(jié)合共軛型自適應(yīng)光學系統(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(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信號，即同步記錄多個導(dǎo)引星的光強，從而實現(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一步提升，從而大大減少相差計算和補償?shù)臅r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;(b)透過隨機相位屏散射后;(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處的光強分布曲線。其中(g)圖經(jīng)過光強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;(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處的光強分布曲線。其中(h)圖經(jīng)過光強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行實時的像差校正，完成大視野內(nèi)清晰的活體生物成像，對于神經(jīng)科學研究具有重要的研究意義。

　　參考文獻： 中國光學期刊網(wǎng)

　　您好,可以免費咨詢,技術(shù)客服,Daisy

　　：筱曉(上海)光子技術(shù)有限公司

　　歡迎大家給我們留言，私信我們會詳細解答，分享產(chǎn)品鏈接給您。