本研究方向学术带头人：刘红林副研究员  

　　1. 研究队伍情况: 

　　课题小组成员：刘红林副研究员（组长）、韩申生研究员 、沈夏副研究员、尹玲工程师、湛英工程师 

　　博士研究生：张栩瑜 

　　硕士研究生：徐嘉成、谢庚辰、郭思南  　　   

　　 刘红林  2004年本科毕业于中国科学技术大学近代物理系，2009年获中科院上海光学精密机械研究所博士学位，2009年-2011年在美国Washington University in St. Louis从事博士后研究。现任上海光机所副研究员，研究方向包括光在生物组织、光纤等散射介质内的输运，波前整形、相位共轭、散射矩阵测量、深度学习等生物光子学成像方法及其应用，高维图像信息在散射介质内传播的机理，复杂环境下的光学遥感。在国际知名期刊Nature photonics、PhotoniX、Advance Science、Photonics Research等杂志上发表研究文章40余篇。             

　　2. 课题简介： 

　　由于光在生物软组织内传播时要经历多次散射，无法像自由空间用透镜或者其他简单的光学元件进行聚焦和成像。因而组织内的光学调控、聚焦和高分辨成像一直是人们亟待解决的问题。课题组长刘红林利用汇聚的超声调制散射介质内的可见光，在介质外用光折变晶体记录调制光波前，并对记录的调制波前进行相位共轭，从而时间反演使得相位共轭波前回到超声焦点，国际上首次实现了散射介质内无损动态的光学聚焦（Nature Photonics 5，154-157，2011）。 近年来，课题组聚焦于透过散射介质的光学成像和操控的新方法和新技术，建立了光场在散射介质内传播的模型，统一了光学记忆效应和空间平移不变性，扩大了散斑自相关成像的视场，实现了透过散射介质的无损实时定位和绝对尺度度量；基于数字式光学共轭实现了通过散射介质的无损聚焦、投影和成像。国际上首次建立了深度学习散射成像的物理模型，发现并证明散射介质内存在不同的信道，开拓了散射成像的信道研究方向，为根本上解决散射成像问题提供了可能。相关研究工作发表于PhotoniX、Photonics Research、Optics Express、Optics Letters等国际知名期刊上。 

　　利用新构建的多层相位屏模型，我们可以追踪光波前在散射介质内传播的变化过程，模拟中弹道光能量随厚度的衰减和能量包络随厚度的变化，结果与Beer定律、辐射传输方程和Monte Carlo模拟等标准吻合，证明新模型能够非常准确地模拟光场在随机散射介质内的变化过程(Photonics Research 7, 1323(2019))。图1给出了模型的基本结构和模拟结果。近十年来光学记忆效应一直是研究的热点，基于建立的记忆效应的物理图像，我们提出了一种简单有效扩展记忆效应范围提高成像视场的方法，即空间滤波(Optics Letters 44, 5997-6000 (2019))。基本原理如图2所示。图3给出了我们利用数字式相位共轭镜进行波前相位共轭抑制散射从而实现通过鸡胸肉的直接成像和投影结果(Optics Express 26, 33066-33079 (2018))。 

　　 

　　图1. 光场在散射介质内传播的模拟模型及其与Beer定律和Monte Carlo光子输运模拟的对比。  

　　 

　　图2 空间滤波扩大记忆效应范围和成像视场的实验排布和结果。 

　　 

　　图3. 无损数字相位共轭反演聚焦、投影和成像的实验示意图和结果。（2）成像和投影视场随补偿面的变化。（3）不同目标下的成像和投影结果。 

　　  

　　深度学习被广泛应用于成像研究。深度学习散射成像不需要物理建模，实验结构简单，但泛化性和可靠性一直是其面临的难题。国际上我们建立了深度学习散射成像的物理模型，找出了泛化性的物理根源和网络预测的物理边界(Photonics Research 11, 6(1-10) (2023))，如图4所示，奠定了深度学习方法应用于散射成像的物理基础。 

　　 

　　图4深度学习散射成像的物理模型，弹道光是网络具备泛化性能够透过未知散射介质预测成像的物理基础。 

　　  

　　 

　　图5. 散射介质构成不同的信道传递图像信息，信道的激发由照明光源决定。 

　　  

　　经过十多年的快速发展，各种透过散射介质的光学分辨成像也只能在毛玻璃、ZnO粉末涂层、生物组织切片等散射薄层的条件下进行原理演示验证。一旦超出光学扩散极限，所有方法都失效。透过厚散射介质成像仍是一个悬而未解的问题。 

　　我们研究发现散射介质内有不同的信道，除了整体信道，散射介质的复杂微结构还构成了新的信道，不同的照明方式会激发对应的信道，完成信道的自动切换(PhotoniX 4,10(1-13), (2023))，实验排布和结果如图5所示。研究进一步发现，尽管散射介质结构复杂，光在其中的传播无法追迹，传递过程无法准确描述，仍然存在解构散射介质的可能。散射介质可以看作大量随机分布的相位小孔的集合，散斑则是小孔像的叠加（见图6）。 

　　 

　　图6 散射介质随机相位小孔信道模型。 

　　  

　　为了更清楚地了解散射介质内光场传播的具体过程，我们提出了散射路径采样积分方法，国际上首次实现了光入射到宏观体散射介质后计算对应散斑图案。散射介质内随机分布着大量的散射颗粒，介质大小、散射系数、颗粒大小、折射率等都可以调节，为进一步的深入研究提供了有力的工具。 

　　 

　　图7 路径采样积分(PASIN)方法。(a)MC和(b)PASIN方法原理对比。(c)散射介质和探测结构示意。(d)PASIN流程图。 

　　  

　　3. 研究影响： 

　　国际上散射成像一直以来都是研究的热点，在生物组织研究和临床上有着广泛的潜在应用。我们的研究一直保持在国际先进水平。其中空间滤波扩展记忆效应范围的相关工作phy.org进行的专门介绍推广https://phys.org/news/2020-03-scientists-memory-effect-range-spatial.html 

　　 

　　中科院之声对记忆效应物理图像的工作做了题为“追踪光的‘记忆’”的语音播报。 

　　  

　　关于散斑拼接解决遥感成像模式下探测器有限探测面积的方法被Chinese Optics Letters选为editors’ pick进行了专门介绍。 

　　 

　　关于深度学习散射成像的物理模型的研究工作吸引了众多同行关注，被Photonics Research选为Editor Pick。 

　　4. 研究目标：  

　　理解光场在散射介质内传播的过程和信息在介质内传播的机理。探索透过生物组织、多模光纤等散射介质成像和操控的新现象和新方法，实现集模式识别、定位和绝对尺度度量三位一体的透过生物组织的成像和操控，并要求实时无损，为组织内的光学诊断、光遗传表达、精准治疗和脑功能研究提供有力的研究工具和平台。