OES丨告别“理想成像”假设：物理神经场让定量相位成像更精准。
Opto-Electronic Science论文推荐南京理工大学陈钱、左超教授团队联合华沙理工大学、香港城市大学研究团队提出了一种基于物理信息神经场的通用DPC求解框架USDPC（universal neural-field solver for DPC） 。该框架无需真值标签或额外数据采集 ， 即可在统一框架下实现高精度非线性相位恢复与未知光学像差盲校正 ，为复杂条件下的定量相位成像提供了新的技术路径。
文 章 Zhou S, Huang XY, Lu LP et al. Physics-informed neural fields enable blind aberration correction for partially coherent quantitative phase imaging. Opto-Electron Sci
5, 260019 (2026).
作 者 ： 周 顺 ? ， 黄 星 雨 ? ， 卢 林 芃 ， Habib Ullah ， 杜 开 宇 ， Maciej Trusi ak ， Malgorzata Kujawinska ，张玉珍 ，范瑶* ， 陈钱* ，张沁榕* ，左超*
?同等贡献作者；*通信作者
研究背景
定量相位成像（quantitative phase imaging ， QPI） 能够从强度图像中恢复样品引起的相位变化 ，为生物细胞、组织和微纳结构的无标记定量观测提供重要手段。其中 ，差分相衬（differential phase contrast ， DPC） 通过不同方向的非对称照明采集多
幅强度图像，并基于部分相干成像模型重建样品的相位信息，具有成像稳定、无散斑噪声以及易与明场显微系统兼容等优势。
然而 ，在部分相干照明条件下 ，从强度图像反演样品相位涉及复杂的高维非线性成像过程。为实现快速解析求解 ，传统DPC通常采用弱物体近似和理想光瞳假设 ，将复杂的非线性成像过程简化为线性模型。 当样品具有大幅相位变化、 显著吸收 ，或成像系统存在未知光学像差时 ，这些假设往往不再成立 ，容易导致相位低估、 结构失真及空间分辨率下降。尽管非线性迭代重建和像差校正技术已分别取得了一定进展 ，如何在统一框架下同时实现非线性相位反演与未知像差校正 ，仍是高精度定量相位成像面临的重要挑战。
深度学习为解决这一问题提供了新思路，但传统端到端方法通常依赖大量高质量标注数据，其物理可解释性和跨场景泛化能力也较为有限。因此，在不依赖真值标签和额外系统标定的条件下，借助成像物理模型实现高精度相位恢复与未知像差自校准，已成为该领域亟待解决的关键问题。
本文亮点
针对上述挑战 ，南京理工大学陈钱、 左超教授团队联合华沙理工大学、 香港城市大学研究 团 队 ， 提 出 了 一 种 基 于 物 理 信 息 神经 场 的 通 用 DPC 求 解 框 架 USDPC （universal neural-field solver for DPC） 。该框架无需真值标签或额外数据采集， 即可在统一框架下实现高精度非线性相位恢复与未知光学像差盲校正 ，为复杂条件下的定量相位成像提供了新的技术路径。
USDPC将严格的部分相干成像模型嵌入神经场优化 ，利用两个隐式神经场分别表征样品的复透射率和系统光瞳像差 ，并通过可微前向模型进行联合求解。该方法直接反演非线性成像过程 ，摆脱了传统DPC对弱物体近似和理想光瞳假设的依赖。 因此 ，即使在大幅相位变化、 显著吸收与未知像差并存的情况下 ， USDPC仍能准确恢复样品的相位和吸收信息 ，并同步实现光学像差的自校准 。与此同时， USDPC沿用标准DPC的四帧采集方式 ，可便捷兼容现有成像系统 ，在不增加数据采集开销的前提下 ，显著提升定量相位重建的准确性、空间分辨率和适用范围。
图1 USDPC方法框架
实验结果验证了USDPC在非理想光学条件下的定量重建能力 。在标准微透镜阵列实验中 ， 面 对 约 37 rad 的 大 幅 相 位 变 化 ， 传 统 DPC 仅 恢 复 出 约 10 rad 的 峰 值 相 位 ， 而USDPC通过联合估计样品相位与系统像差 ，获得了接近理论值的相位分布 ，并有效减轻了离焦像差引起的边缘误差 。 USAF相位分辨率标靶实验显示 ，传统DPC仅能分辨至第10组第2单元 ，对应空间分辨率为870 nm； USDPC则可分辨至第10组第4单元 ，将空间分辨率提升至690 nm ，达到理论非相干衍射极限。这些结果表明， USDPC能够同时应对大相位变化与未知光学像差 ，显著改善相位恢复的定量准确性和空间分辨率。
图2 USDPC在标准微透镜阵列和USAF相位分辨率标靶上的实验验证
为验证USDPC对复杂生物组织的成像能力 ，研究团队以H E染色肾组织切片为对象开展大视场定量相位成像。实验将约0.3 mm2的视场划分为多个子区域 ，对随空间变化的局部像差进行分区校正。 USDPC成功恢复了峰值约7 rad的相位分布及染色物质产生的吸收信息， 清晰呈现肾小球 、 近曲小管和远曲小管等组织结构 。 对比实验显示， 常规DPC重建结果对比度较低 ，未进行像差校正的USDPC结果仍存在边缘模糊和细节缺失 ，而引入像差校正后， 组织边界及内部结构均恢复的更加清晰 、 准确 。 该实验验证了USDPC校正大视场空间变化像差的有效性 ，展现出其在生物组织高精度定量表征方面的应用潜力。
图3 USDPC对H E染色肾组织切片的大视场定量相位成像
为进一步评估USDPC在动态活细胞成像中的性能 ，研究团队对体外培养的HeLa细胞进行了长达5 h的连续观测。在长时程成像过程中 ，样品非均匀性、显微镜机械漂移及环境温度波动等因素可能引起随时间和空间变化的有效像差； 同时 ，细胞产生的较大相位调制也可能导致弱物体近似失效 ，使传统DPC出现相位低估和细胞内部结构丢失。 USDPC通过动态估计并补偿局部像差 ，获得了稳定、准确的定量相位图像 ，清晰记录了细胞收缩、伸展、迁移、分裂和融合等生命活动 。其背景区域的空间相位精度达到3.69 × 10_3 rad ，并在5 h观测期间保持稳定 ，展现出USDPC在无标记、长时程活细胞动态研究中的应用潜力。
图4 USDPC对体外培养HeLa细胞的动态定量相位成像结果
通过深度融合部分相干成像物理模型与神经场 ， USDPC实现了无需额外校准数据的非线性相位恢复与盲像差校正 ，有效突破了传统DPC在大相位变化、 强吸收及复杂光学像差条件下的成像限制。系列实验结果表明， USDPC在复杂样品和非理想成像条件下展现出优异的重建精度与鲁棒性 ，为解决复杂成像条件下相位信息难以准确恢复、未知光学像差难以有效校正等问题提供了新的技术路径。未来 ，该方法有望进一步拓展至逆散射成像、衍射层析成像等复杂计算成像任务，为复杂逆问题的高精度信息重建提供通用计算框架。
该成果以Physics-informed neural fields enable blind aberration correction for partially coherent quantitative phase imaging 为 题 发 表 在 Opto-Electronic Science 2026年第8期 。 南京理工大学博士生周顺和硕士生黄星雨为论文共同第一作者 ，南京理工大学左超教授、 陈钱教授、 范瑶副教授及香港城市大学张沁榕副教授为论文共同通讯作者。
【基金支持】
本 研 究 得 到 了 国 家 重 点 研 发 计 划 （ 2024YFE0101300 、 2022YFA1205002 、 2024YFF0505603 、 2024YFF0505600 ） 和 国 家 自 然 科 学 基 金 （ 62227818 、 62361136588、 62305162、 U21B2033） 的资助。
研究团队简介
南京理工大学智能计算成像实验室 （SCI Lab:www.scilaboratory.com） 隶属于 光学工程 国家一级重点学科带头人陈钱教授领衔的 光谱成像与信息处理 教育部长江学者创新团队与首批 全国高校黄大年式教师团队 。 实验室学术带头人左超教授为教育部长江学者特聘教授、 国际光学工程学会/美国光学学会/英国物理学会会士（SPIE/Optica/IOP Fellow)。依托极限环境光电动态测试技术与仪器 全国重点实验室、先进光电成像技术与仪器 教育部工程研究中心、计算光学成像与测量 科技部国家示范型国际科技合作基地等8个高层次科研创新平台 ，在国家重大需求牵引及重点项目支持下开展新型智能计算成像 的机理探索、工程实践以及先进仪器的研制工作 ， 推动信息光学 、精密测量 、先进材料与人工智能的深度交叉融合 ， 并开拓其在生命科学 、 生物医药 、 智能制造 、 遥感监测以及国防安全等领域的前沿应用 。 研 究 成 果 已 在 SCI 源 刊 上 发 表 论 文 300 余 篇 ， 其 中 50 余 篇 论 文 被 选 作 OES 、 Light 、 Optica、 AP等期刊封面论文 ， 30篇ESI高被引/热点论文 ，论文被引逾2.4万次。培养研究生6人获全国光学工程优秀博士论文/提名奖 ， 6人获中国光学学会王大珩光学奖 ，4人获SPIE光学与光子学教育奖学金 ，获挑战杯 、创青春 等全国金奖16次 ， 互联网 + 全国总冠军。获评江苏青年五四奖章 集体、 中国大学生自强之星 科创团体等荣誉称号。人才培养事迹受到央视《焦点访谈》 、人民日报、美国光学学会会刊Optics Photonics News等百余家媒体专题报道。
长按识别此二维码，直达全文
来源：光电期刊