現代生物學中，光學顯微鏡是一種不可替代的研究方法，被廣泛應用于生物組織成像中。但生物組織大多數都具備折射率各向異性的特點，光在組織內的傳輸過程中會發生散射和畸變，限制了深層成像能力。借助自適應光學技術可以對畸變的波前進行校正，進而實現在組織深層的清晰成像。目前普遍采用的自適應光學技術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合共軛型自適應光學系統和相干光自適應校正技術，提出了一種并行共軛型自適應光學(Parallel Conjugate Adaptive Optics, PCAO)校正算法。與傳統的CAO (Conjugate Adaptive Optics)方法相比，該算法不增加空間光調制器的刷新次數，并行提取多路反饋光強信號，即同步記錄多個導引星的光強，從而實現大視場范圍下的像差校正，完成快速的波前校正;如圖1(b)，經過PCAO，校正效果在全區域的視場范圍下均有效。

　　圖1(a)傳統的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果，此時引導星的數目設定為9個。結果表明，針對由5層隨機相位屏構成的薄散射介質，PCAO算法單次校正的有效視場約為傳統方法的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方法的4.6倍，如圖3.可以預料到導引星選取數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的時間，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：(a)未放置散射介質時;(b)透過隨機相位屏散射后;(c)傳統CAO算法校正后;(d)PCAO算法校正后，對4 μm熒光小球的成像結果。每個圖下側分別對應放大后83 μm ×83 μm視場內的熒光圖像。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)圖經過光強歸一化并高斯擬合的處理。CAO表示傳統的單導引星的CAO算法。(散射介質μsL=5.38)

　　圖3(a)散射介質設置原理圖，總厚度120 μm的大腦切片作為散射介質。圖4(b~e) 為在200 μm ′ 200 μm的視場內:(b)未放置散射介質時;(c)透過小鼠大腦切片散射后;(d)傳統CAO算法校正后;(e)PCAO算法校正后，對4 μm熒光小球的成像結果。每個圖下側分別對應放大后83 μm ′ 83 μm視場內的熒光圖像。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)圖經過光強歸一化和高斯擬合處理。(散射介質μsL=2.65)

　　因此，PCAO算法有望應用在活體中對深層組織進行實時的像差校正，完成大視野內清晰的活體生物成像，對于神經科學研究具有重要的研究意義。

　　參考文獻： 中國光學期刊網

　　您好,可以免費咨詢,技術客服,Daisy

　?。后銜?上海)光子技術有限公司

　　歡迎大家給我們留言，私信我們會詳細解答，分享產品鏈接給您。