DOI: https://doi.org/10.1038/s41377-025-02155-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41771831
تاريخ النشر: 2026-03-03
المؤلف: Dong-Xu Yu وآخرون
الموضوع الرئيسي: تصميم أنظمة بصرية متقدمة
نظرة عامة
تقدم هذه البحث مجهرًا ضوئيًا مستمرًا جديدًا مصممًا لتلبية الطلب المتزايد على المراقبة المجهرية الديناميكية وعبر المقاييس في مجالات مثل البيولوجيا والطب وعلوم المواد. يتناول النظام المقترح قيود العدسات السائلة التقليدية، التي تعاني من نطاقات زوم محدودة وتشوهات ديناميكية غير خطية تؤثر على جودة الصورة. من خلال استخدام إطار تحسين مشترك شامل يجمع بين التصميم البصري وشبكة عصبية مستندة إلى التدهور الفيزيائي، يحقق المجهر نسبة زوم كبيرة تتراوح من 10.6× إلى 101.4× بينما يقوم بتصحيح تشوهات معقدة تتغير مع التكبير والموقع المكاني.
محور وظيفة النظام هو عدسة زوم موضوعية تتميز بطائرة صورة قابلة للتحريك، والتي تدمج العدسات السائلة الكهربائية. يتضمن المكون الخوارزمي، الذي يُطلق عليه اسم شبكة التدهور الفيزيائي المدفوعة بمعرفة 4DPSF (4DPSF-PDNet)، وظيفة انتشار النقاط (PSF) ذات الأبعاد الأربعة المتغيرة مكانيًا ومتعددة الأطوال الموجية والتكبير المستمر كنقاط فيزيائية سابقة. يسمح هذا التكامل بتقليل التشوهات والفنون بشكل فعال، مما يمكّن من تصحيح دقيق للتشوهات المتغيرة ديناميكيًا أثناء عملية الزوم. تشير النتائج التجريبية إلى أن هذا المجهر المستمر القابل للتكيف يحمل إمكانات كبيرة لتطبيقات متنوعة في البحث البيولوجي والتشخيص الطبي وعلوم المواد.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للمجاهر الضوئية في مجالات مختلفة، بما في ذلك الطب الحيوي وعلوم المواد. تواجه المجاهر التقليدية قيودًا مثل الزوم غير المتواصل وسرعات الانتقال البطيئة بسبب الاعتماد على عدسات موضوعية متعددة. أدت التطورات الأخيرة في تكنولوجيا العدسات السائلة إلى تقديم قدرات زوم قابلة للتكيف، ومع ذلك لا تزال التحديات قائمة في تحقيق تصوير زوم مستمر دون تشغيل ميكانيكي. من الجدير بالذكر أن النماذج الأولية السابقة أظهرت تحسينات في نسب الزوم، لكن القضايا المتعلقة بالقوة البؤرية والتشوهات تعيق المزيد من التحسينات.
لمعالجة هذه التحديات، يقترح المؤلفون مجهرًا مبتكرًا مستمرًا قابلًا للتكيف يدمج إطار تحسين مشترك شامل يجمع بين المحاكاة البصرية والشبكات العصبية المستندة إلى الفيزياء. يستخدم هذا الإطار وظيفة انتشار النقاط ذات الأبعاد الأربعة (4D PSF) كمعلومات سابقة فيزيائية، مما يمكّن من تحسينات كبيرة في جودة التصوير ونطاق الزوم المستمر. يتضمن النموذج المطور، 4DPSF-PDNet، وحدة تصفية وينر المدفوعة بالبيانات لتقليل الضوضاء ويستخدم آلية انتباه ذاتي متعددة الرؤوس موجهة بالتدهور لتصحيح التشوهات وإعادة بناء التفاصيل. يحقق المجهر الناتج نطاق تكبير يتراوح من 10.6× إلى 101.4×، متفوقًا على الطرق الحالية في كل من الجودة البصرية والمعايير الكمية، مما يظهر إمكاناته لتطبيقات في التشخيص المرضي وتحليل المواد.
طرق
توضح قسم “المواد والطرق” تصميم التجارب والإجراءات المستخدمة في الدراسة. تفصل المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية ومعدات وعينات بيولوجية، لضمان إمكانية تكرار التجارب. تشمل المنهجية البروتوكولات لجمع البيانات، بما في ذلك أي تحليلات إحصائية تم إجراؤها لتفسير النتائج.
بالإضافة إلى ذلك، قد يصف القسم الظروف التجريبية، مثل درجة الحرارة والمدة وأي ضوابط تم تنفيذها للتحقق من النتائج. بشكل عام، يعمل هذا القسم كدليل شامل لتكرار الدراسة وفهم سياق النتائج التي تم الحصول عليها.
نتائج
تظهر نتائج الدراسة أن 4DPSF-PDNet المقترح يصحح التشوهات ويستعيد تفاصيل الصورة عبر مستويات تكبير مختلفة. عند التكبير المنخفض، يقوم النموذج بتقليل التشوهات اللونية الطولية والمحورية بشكل كبير، مما يسمح باستعادة دقيقة للصورة ويسهل التقييمات الأولية للعينة. عند التكبير العالي، يتفوق في استعادة التفاصيل الدقيقة، وهو أمر حاسم للتحليل الهيكلي المتعمق. تكشف التقييمات المقارنة ضد النماذج المتطورة، بما في ذلك SwinIR وRestormer وUABC، أن هذه النماذج تواجه صعوبات مع التشوهات المعقدة، مما يؤدي إلى فقدان المعلومات وعدم الدقة في الملاحظات المجهرية. من الجدير بالذكر أنه بينما يحافظ SwinIR على دقة الألوان، فإنه يفشل في استعادة التفاصيل الدقيقة، بينما تعطي Restormer وUABC الأولوية لاستعادة الهيكل على حساب دقة الألوان.
تشير التقييمات الكمية باستخدام نسبة ذروة الإشارة إلى الضوضاء (PSNR) ومؤشر التشابه الهيكلي (SSIM) إلى أن 4DPSF-PDNet يحقق PSNR قدره 28.12 ديسيبل على مجموعة التحقق من الصور المتدهورة، متجاوزًا UABC بحوالي 2.5 ديسيبل وتجاوز SwinIR وRestormer بأكثر من 3 ديسيبل. يبرز هذا أداء النموذج المتفوق في تصحيح التشوهات القابلة للتكيف واستعادة التفاصيل المخصصة لخصائص التدهور المتغيرة. بالإضافة إلى ذلك، تؤكد دراسات الإزالة فعالية وحدة CALW المقترحة، مما يدعم المزيد من قوة نهج 4DPSF-PDNet.
مناقشة
في هذا القسم، يقدم المؤلفون إطار تحسين مشترك مبتكر شامل لمجهر زوم مستمر، مستفيدين من معلومات التدهور الفيزيائي لتعزيز جودة الصورة عبر تكبيرات مختلفة. يدمج النظام مجموعة عدسات سائلة تسمح بالحصول السريع على الصور ويستخدم وظيفة انتشار النقاط ذات الأبعاد الأربعة (PSF) لإبلاغ 4DPSF-PDNet، الذي يقوم بتقليل الضوضاء القابل للتكيف وتصحيح التشوهات. يحقق المجهر المقترح نطاق زوم ضوئي مستمر يتراوح من 10.6× إلى 101.4×، مما يعالج بشكل فعال التدهور البصري من خلال إطار إعادة بناء مستند إلى الفيزياء يتضمن دالة خسارة مقيدة بالفيزياء لضمان أن الصور الناتجة تحافظ على مصداقية فيزيائية.
يستخدم تصميم المجهر المستمر القابل للتكيف تكوين مجموعة زوم مزدوجة، مما يعزز المرونة وتعويض التشوهات. يوضح المؤلفون العلاقات الرياضية التي تحكم الأداء البصري للنظام، بما في ذلك الطول البؤري للعدسة السائلة الكهربائية والتكبير الكلي للنظام. يجمع 4DPSF-PDNet بين النقاط السابقة الفيزيائية وتقنيات التعلم العميق، مستخدمًا فلتر وينر القابل للتكيف مع المحتوى وآلية انتباه ذاتي متعددة الرؤوس موجهة بالتدهور لإدارة التشوهات المعقدة بشكل فعال. تظهر النتائج التجريبية أن الطريقة المقترحة تتفوق بشكل كبير على نماذج تصحيح الصور الحالية، محققة زيادة قدرها 2.5 ديسيبل في نسبة ذروة الإشارة إلى الضوضاء (PSNR) وتظهر إمكانات لتطبيقات في مجالات متنوعة، بما في ذلك التشخيص المرضي وخصائص المواد. تشمل اتجاهات البحث المستقبلية تعزيز سرعة استنتاج النموذج واستكشاف المزيد من تمثيلات PSF عالية الأبعاد لتحسين الأداء.
DOI: https://doi.org/10.1038/s41377-025-02155-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41771831
Publication Date: 2026-03-03
Author(s): Dong-Xu Yu et al.
Primary Topic: Advanced optical system design
Overview
The research presents a novel continuous optical zoom microscope designed to meet the increasing demand for dynamic and cross-scale microscopic observation in fields such as biology, medicine, and materials science. The proposed system addresses the limitations of traditional liquid lenses, which suffer from restricted zoom ranges and nonlinear dynamic aberrations that compromise image quality. By employing an end-to-end joint optimization framework that combines optical design with a neural network informed by physical degradation, the microscope achieves a substantial zoom ratio of 10.6× to 101.4× while adaptively correcting complex aberrations that vary with magnification and spatial location.
Central to the system’s functionality is a zoom objective lens featuring a movable relay image plane, which integrates electrowetting liquid lenses. The algorithmic component, termed the 4DPSF-aware Physical Degradation-guided Network (4DPSF-PDNet), incorporates the system’s spatially-variant, multi-wavelength, and continuous-magnification 4D point spread function (PSF) as physical priors. This integration allows for effective suppression of distortions and artifacts, enabling precise correction of dynamically varying aberrations during the zooming process. Experimental results indicate that this adaptive continuous microscope holds significant potential for diverse applications in biological research, medical diagnostics, and materials science.
Introduction
The introduction of this research paper highlights the critical role of optical microscopes in various fields, including biomedicine and materials science. Traditional microscopes face limitations such as discontinuous zoom and slow transition speeds due to the reliance on multiple objective lenses. Recent advancements in liquid lens technology have introduced adaptive zoom capabilities, yet challenges remain in achieving continuous zoom imaging without mechanical actuation. Notably, previous prototypes have demonstrated improved zoom ratios, but issues related to focal power and aberrations hinder further enhancements.
To address these challenges, the authors propose an innovative adaptive continuous microscope that integrates an end-to-end joint optimization framework combining optical simulation with physics-informed neural networks. This framework utilizes a four-dimensional point spread function (4D PSF) as physical prior information, enabling significant improvements in imaging quality and continuous zoom range. The developed model, 4DPSF-PDNet, incorporates a data-driven Wiener filtering module for noise suppression and employs a degradation-guided multi-head self-attention mechanism for aberration correction and detail reconstruction. The resulting microscope achieves a magnification range of 10.6× to 101.4×, outperforming existing methods in both visual quality and quantitative metrics, thus showcasing its potential for applications in pathological diagnosis and material analysis.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology encompasses the protocols for data collection, including any statistical analyses performed to interpret the results.
Additionally, the section may describe the experimental conditions, such as temperature, duration, and any controls implemented to validate the findings. Overall, this section serves as a comprehensive guide for replicating the study and understanding the context of the results obtained.
Results
The results of the study demonstrate that the proposed 4DPSF-PDNet effectively corrects aberrations and restores image details across various magnification levels. At low magnifications, the model significantly suppresses longitudinal and axial chromatic aberrations, allowing for accurate image recovery and facilitating initial sample assessments. At higher magnifications, it excels in restoring fine details, which is crucial for in-depth structural analysis. Comparative evaluations against state-of-the-art models, including SwinIR, Restormer, and UABC, reveal that these models struggle with complex aberrations, leading to information loss and inaccuracies in microscopic observations. Notably, while SwinIR maintains color accuracy, it fails to restore fine details, whereas Restormer and UABC prioritize structural restoration at the expense of color fidelity.
Quantitative assessments using Peak Signal-to-Noise Ratio (PSNR) and Structural Similarity Index (SSIM) indicate that 4DPSF-PDNet achieves a PSNR of 28.12 dB on a validation set of degraded images, surpassing UABC by approximately 2.5 dB and exceeding SwinIR and Restormer by over 3 dB. This highlights the model’s superior performance in adaptive aberration correction and detail restoration tailored to varying degradation characteristics. Additionally, ablation studies confirm the effectiveness of the proposed CALW module, further supporting the robustness of the 4DPSF-PDNet approach.
Discussion
In this section, the authors present an innovative end-to-end joint optimization framework for a continuous zoom microscope, leveraging physical degradation information to enhance image quality across varying magnifications. The system integrates a liquid lens assembly that allows rapid image acquisition and utilizes a 4D point spread function (PSF) to inform the 4DPSF-PDNet, which performs adaptive noise suppression and aberration correction. The proposed microscope achieves a continuous optical zoom range of 10.6× to 101.4×, effectively addressing optical degradation through a physics-informed reconstruction framework that incorporates a physics-constrained loss function to ensure the generated images maintain physical plausibility.
The design of the continuous zoom microscope employs a dual zoom group configuration, enhancing flexibility and aberration compensation. The authors detail the mathematical relationships governing the system’s optical performance, including the focal length of the electrowetting liquid lens and the overall system magnification. The 4DPSF-PDNet combines physical priors with deep learning techniques, utilizing a Content-Adaptive Learnable Wiener filter and a Degradation-guided Multi-Head Self-Attention mechanism to effectively manage complex aberrations. Experimental results demonstrate that the proposed method significantly outperforms existing image correction models, achieving a 2.5 dB increase in peak signal-to-noise ratio (PSNR) and showcasing the potential for applications in various fields, including pathological diagnosis and materials characterization. Future research directions include enhancing the model’s inference speed and further exploring high-dimensional PSF representations to improve performance.