首页期刊导航|中国激光
期刊信息/Journal information
中国激光
中国激光

周炳琨

月刊

0258-7025

cjl@siom.ac.cn

021-69918427

201800

上海市嘉定区清河路390号 上海800-211邮政信箱

中国激光/Journal Chinese Journal of LasersCSCD北大核心CSTPCDEI
查看更多>>本刊是我国唯一全面反映激光领域最新成就的专业学报类期刊。主要发表我国在激光、光学、材料应用及激光医学方面卓有成就的科学家的研究论文。涉及领域包括激光器件、新型激光器、非成性光学、激光在材料中的应用、激光及光纤技术在医学中的使用，锁模超短脉冲技术、精密光谱学、强光物理、量子光学、全息技术及光信息处理。
正式出版
收录年代

    低功率受激辐射损耗超分辨显微成像技术研究进展及展望

    周浩贤王璐玮张仁龙林方睿...
    1-18页
    查看更多>>摘要：受激辐射损耗(STED)是一种功能强大的远场超分辨显微成像技术，已被广泛用于细胞和组织切片等生物样品的超分辨成像。通过增加损耗激光的功率可以显著提高STED超分辨成像的空间分辨率和成像深度，然而，过高的激光功率会引起严重的光漂白及光毒性。因此，如何在保证成像质量的同时有效降低STED超分辨成像所需的损耗激光强度，是目前STED技术在生物成像领域面临的关键挑战。本文从STED成像的基本原理出发，分别从STED探针、单分子定位、图像处理和时间分辨探测等4个方面探讨了实现低功率STED超分辨成像的策略。针对以上4种策略及其优缺点的深入分析，为STED技术在生物学领域的应用提供了有价值的参考和指导。

    超分辨成像受激辐射损耗损耗光功率纳米探针荧光寿命

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    分割一切模型(SAM)在医学图像分割中的应用

    吴曈胡浩基冯洋罗琼...
    19-34页
    查看更多>>摘要：医学图像分割是计算机辅助医疗流程中的关键步骤，精准的医学图像分割可以为诊断与治疗提供帮助。分割一切模型(SAM)利用提示驱动的基础大模型进行下游的分割任务，它的出现为医学图像分割提出了与神经网络不同的新方向。但是，SAM是以自然图像为基础的模型，对医学图像的处理效果还有待提高。本文介绍了 SAM在医学图像上直接应用的效果，并总结了将SAM应用到医学图像分割任务的研究工作。与此同时，介绍了本课题组在乳腺肿瘤数据集与孕妇骨盆数据集上进行的两个实验，验证了大模型经过大量数据微调后具有更好的泛化能力。半监督网络与SAM结合生成高质量的伪标签能够有效提高分割效果。虽然目前SAM在医学图像分割领域已取得较好效果，但进一步提升存在一定困难。本文最后分析了 SAM面临的挑战并讨论了 SAM在医学图像分割中的潜在发展方向，希望有助于医疗分割技术的进步。

    分割一切模型医学图像分割基础模型深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    深度学习赋能的结构光照明超分辨显微技术:原理与应用

    黎昕然陈嘉杰王美婷郑晓敏...
    35-49页
    查看更多>>摘要：结构光照明显微成像(SIM)技术是一种在超分辨显微成像领域极具代表性的技术。尽管结构光照明能够提升空间分辨率，但其在实现超分辨过程中需要采集多幅图像，而且，诸如样本厚度不一、结构光平移的系统误差及环境噪声等因素均可能会对SIM成像质量产生影响。为解决这些问题，神经网络技术被引入SIM图像处理中。目前，常用的算法模型有卷积神经网络(CNN)及其变体以及生成对抗网络(GAN)，它们通过训练样本来分析和纠正上述系统误差，提高时间分辨率，实现快速超分辨成像。据查，目前尚未有文章对于基于深度学习算法的结构光照明显微技术进行综合分析。鉴于此，本文介绍了 SIM的基础原理并分析了深度学习算法近年来在提高SIM系统性能方面的应用，并对SIM技术未来的发展方向和面临的挑战进行了前瞻性探讨。

    结构化照明显微系统卷积神经网络超分辨显微成像图像处理

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    生物组织光子传输蒙特卡罗仿真加速技术研究综述

    徐楼喆李婷
    50-61页
    查看更多>>摘要：生物组织光子传输蒙特卡罗模拟方法对指定光学参数的组织模型进行随机抽样计算，理论上，对于任意复杂模型都可以达到非常高的计算精度。在实际使用时，蒙特卡罗模拟方法计算时间长的特点限制了其精度的提高，因此本文重点关注蒙特卡罗模拟加速方法和技术的进展，分析了各种加速方法的原理，比较了加速方法的速度、精度和适用场景，讨论了未来蒙特卡罗方法在组织光学领域发展的潜在方向。

    医用光学光子传输仿真蒙特卡罗模拟加速

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多层感知机的荧光波动超分辨显微成像

    曾志平许必晴邱锦陈欣怡...
    62-72页
    查看更多>>摘要：基于荧光波动的超分辨显微成像是一类经济、便捷、适用性广的超分辨显微技术，但其在不同荧光时域波动条件下的成像质量具有较大差异，而且目前尚无统一的方法能够在不同类型荧光波动信号下均实现高质量的超分辨图像重建。因此，研究荧光波动特性变化对超分辨重建图像质量的影响至关重要。本课题组系统开展了多种超分辨成像方法在各种荧光波动条件下的成像研究。首先基于MATLAB软件开发了荧光波动超分辨成像软件系统，实现了多种荧光波动超分辨方法的同步运行并生成了数据集;然后对多种超分辨方法的性能及成像质量进行了多维度的系统研究，并构建了多层感知机模型，用于分选不同荧光波动信号条件下最适用的超分辨成像方法。结果表明，所构建的多层感知机模型的输出准确率达到了 92。3％，具备准确可靠的分类识别能力，能够促进荧光波动超分辨成像技术更高效地应用于各类生物亚细胞器的超精细结构研究。

    超分辨成像荧光波动多层感知机衍射极限

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    Huber迭代硬阈值算法在荧光分子断层成像中的应用研究

    袁娅婷易黄建贺小伟
    73-81页
    查看更多>>摘要：荧光分子断层成像(FMT)可以通过重建算法观察小动物体内荧光探针的三维分布，已成为一种前景广阔的用于临床前研究的成像技术。然而，由于反问题的病态性以及对噪声的敏感性，开发一种能够准确重建荧光源位置和形态的鲁棒算法是一个巨大挑战。传统的重建算法将l2范数作为残差项，扩大了噪声的影响，导致重建效果不佳。Huber迭代硬阈值(HIHT)算法将基于l2范数的代价函数修改为鲁棒度量函数，从而可将逆问题建模为有约束的优化问题。在存在噪声的情况下，HIHT算法可以有效降低噪声的影响，增强算法的鲁棒性。为了评估HIHT算法的性能，本科课题组进行了数值仿真实验和在体小鼠实验。实验结果表明，HIHT算法不仅能实现精确的荧光目标重建，而且提高了模型对噪声的鲁棒性。本研究可以促进FMT的临床前应用。

    荧光分子断层成像压缩感知鲁棒性HIHT算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于分层特征渐进融合的糖尿病视网膜病变图像分割方法

    丁鹏超李峰
    82-94页
    查看更多>>摘要：利用深度学习技术分割糖尿病视网膜病变(DR)图像可以有效辅助眼科医生进行DR筛查、分级和治疗进展的监测。然而，不同的DR病变在尺度、形状、位置、颜色和纹理等方面存在较高的类间相似性，给DR图像的自动分割任务带来了较大挑战。为此，本课题组提出了一种新颖的基于深度语义和边缘信息的渐进多特征融合网络(PMFF-Net)，以同时分割多类DR病灶。该网络主要包括混合Transformer模块(HT模块)、选择性边缘聚合模块(SEA模块)、渐进特征融合模块(GCF模块)和动态注意力模块(DA模块)，其中:HT模块集成了卷积神经网络(CNN)、多尺度通道注意力和Transformer，以增强对DR病变特征的表示能力;GCF模块借助高等级语义特征的引导实现了相邻编码层特征之间的渐进融合，有效弥补了不同等级特征之间的语义偏差;DA模块采用自适应学习策略从融合的特征中进行动态特征推理和选择，提高了多尺度特征之间的一致性;SEA模块通过有选择性地聚合DR边缘特征和语义信息，细化了病变的边缘轮廓并重新校准了病变位置。所提PMFF-Net在IDRiD数据集上的mDice和mIoU分别为45。11％和33。39％，在DDR数据集上的mDice和mIoU分别为36。64％和35。04％，优于当前先进的DR分割方法。进一步，通过跨数据集交叉测试验证了模型良好的泛化能力。最后，通过消融实验验证了所提模型中各模块的有效性。出色的分割结果表明所设计的PMFF-Net在DR筛查和检测临床实践中具有很大的应用潜力。

    图像处理糖尿病视网膜病变分割深度语义边缘信息动态注意力渐进特征融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于并行U-Net模型的眼底微血管图像分割方法

    刘新娟韩旭方二喜
    95-108页
    查看更多>>摘要：眼底血管是医学上唯一可以无创直接观察到的组织，眼底图像不仅能直接反映眼部疾病状况，在监测全身血管疾病上也具有一定的临床价值。在眼底图像的智能化医学诊断技术中，视网膜血管分割是一项基础任务。针对眼底图像中微血管对比度较低、边界不清、分割灵敏度不高的问题，本文设计了一种基于改进U-Net的并行网络微血管分割模型，该模型分为主网络和微血管特征提取辅助网络两部分。设计了一种形态学图像处理方法，以获取微血管标签，提升微血管特征提取能力。为了增加特征空间的上下文信息量，在主网络中引入了多尺度特征混洗融合模块，将微血管特征信息融合到主网络特征信息流中，以增强其特征表达，提升微血管分割灵敏度。基于公开数据集DRIVE、CHASE_DB1和STARE的评估结果表明，所提方法在眼底微血管分割上展现出了良好的性能，在上述三个数据集上的准确度指标分别达到了 0。9710、0。9764和0。9768。

    视网膜血管分割微血管特征提取深度学习形态学处理多尺度特征混洗融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多尺度约束的大形变3D医学图像配准

    沈瑜魏子易严源白珊...
    109-120页
    查看更多>>摘要：医学图像配准是将不同医学图像的空间对应点进行对齐的空间变换过程。现有的医学图像配准算法在大形变医学图像配准方面存在配准精度低、泛化性能差等问题，为此，本课题组结合卷积注意力机制(CBAM)的细节信息提取能力，设计了并行多尺度卷积MK(multi-kernel)模块，提出了基于多尺度约束的大形变3D医学图像配准网络(MC-Net)，设计了从低分辨率到高分辨率逐层优化的策略，实现了对大形变医学图像的精准配准。实验结果表明:MC-Net在OASIS、LPBA40和Abdomen CT-CT这三个不同器官、不同模态的3D数据集上的配准精度均优于对比模型，其在LPBA40数据集上测试的运行时间为0。363 s，Dice系数可达0。822，95％豪斯多夫距离为6。126。这些结果证明了 MC-Net在大形变医学图像配准中的有效性，在医学影像学领域具有较高的应用价值。

    图像配准多尺度约束大形变图像脑部核磁共振图像腹部计算机断层扫描图像

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多模态特征重组和尺度交叉注意力机制的全自动脑肿瘤分割算法

    田恒屹王瑜肖洪兵
    121-130页
    查看更多>>摘要：脑肿瘤对人体危害极大，并且在医学影像中的占比较小，边界模糊，可能以任何形状出现在脑区的任意位置，给脑肿瘤分割任务带来了极大挑战。本文综合脑肿瘤形态学和解剖学特点，提出了一种基于多模态特征重组和尺度交叉注意力机制的全自动脑肿瘤分割U形网络模型——MR-SC-UNet。它采用多任务分割框架，针对完整肿瘤(WT)、核心肿瘤(TC)、增强肿瘤(ET)等不同子区域的分割任务设计多模态特征重组模块，同时使用学习到的不同权重有效融合不同模态的信息输入，能够获得更具针对性的病灶特征。这与不同模态MRI影像凸显不同脑肿瘤病灶子区域特征的思想一致。同时，MR-SC-UNet以UNet为基准网络，在深层跳跃连接中添加尺度交叉注意力模块，可以获取多种尺度的全局信息。利用公开脑肿瘤数据集进行的相关实验结果表明，MR-SC-UNet架构对WT、TC和ET分割的Dice系数均值分别可以达到91。13％、87。46％和87。98％。这证明了所示设计的网络可以有效利用多模态肿瘤数据信息，提取和融合不同尺度的肿瘤特征，提高了脑肿瘤分割的准确性。

    机器视觉多模态特征重组尺度交叉注意力机制脑肿瘤分割

      原文链接:
    • NETL
    • NSTL
    • 万方数据