上海光机所提出面向锥形光纤散斑解码的TF-UNet单次成像方法

近日，中科院上海光机所何飞研究员团队，在超细锥形光纤单次成像重建方面取得进展，相关成果以“TF-UNet: Resolving complex speckles for single-shot reconstruction of 5122-matrix images using a micron-sized optical fiber”为题，于2026年3月发表于《Laser & Photonics Reviews》。

锥形光纤（Tapered Optical Fibers, TFs）由数百微米尺度逐渐收缩至微米尺度，相较于传统平端光纤（Flat Optical Fibers, FFs），具有创伤小、照明更均匀、长程信号收集效率高等优势，在高灵敏生物传感、光遗传调控和深部组织光学探测等领域展现出重要应用潜力。然而，锥形几何结构会引入显著的模间耦合，使输出散斑呈现强烈的空间非平稳性和尺度相关畸变，导致现有面向平端光纤或常规多模光纤的重建方法难以直接适用于锥形光纤。特别是在微米级超细光纤条件下，实现无扫描、单次曝光、高分辨率成像重建仍然面临挑战。

针对上述问题，研究团队提出了一种面向锥形光纤复杂散斑解码的物理启发深度学习框架——TF-UNet。该方法从锥形光纤中由几何渐变引起的模间耦合出发，在U-Net网络跳跃连接中引入分层分组多层感知机（grouped-MLP）特征融合模块，用于表征锥形光纤传输过程中形成的非局域、跨尺度、空间变异映射关系。同时，研究进一步引入通道正交约束，以增强特征解耦能力，提高网络对复杂模式混叠的重建鲁棒性，从而实现对锥形光纤输出散斑的高保真反演重建。

实验结果表明，该方法在512×512重建矩阵下实现了基于单根微米级锥形光纤的单次成像重建。在锥形光纤数据集上，TF-UNet在结构相似性（SSIM）和多尺度结构相似性（MS-SSIM）等关键指标上优于多种代表性方法，并在峰值信噪比（PSNR）、感知相似度（LPIPS）和相关性指标（CORR）上保持竞争性能。与标准U-Net、R2-UNet、TransUNet、VQVAE2和MSMDFNet等方法相比，TF-UNet在复杂散斑条件下表现出更优的结构恢复能力和感知保真度。

在进一步的生物数据验证中，研究团队将该方法拓展至神经元钙成像数据与脑血管图像数据。结果显示，TF-UNet不仅能够较好恢复神经元和血管的形态连续性，还能够支持神经活动时间序列的提取与分析，表明该框架在面向微创植入式生物成像方面具有良好应用前景。相关研究为利用超细锥形光纤实现深部组织低创成像、无扫描宽场成像及生物光学传感提供了新的技术路径。

相关链接：https://doi.org/10.1002/lpor.202503025