通过多芯光纤实现的定量相位成像（QPI）是一种新兴的无创内窥镜成像模式。我们展示了一种基于学习的 MCF 相位成像方法，将相位重构时间显著缩短至 5.5 毫秒，实现了 181 帧每秒的视频级成像。此外，我们引入了一种创新的光学系统，自动生成了首个针对 MCF 相位成像的开源数据集，包含 50,176 对散斑和相位图像。经过训练的深度神经网络（DNN）在实验中表现出鲁棒的相位重构性能，平均保真度高达 99.8％。这种高效的光纤相位成像方法可以拓宽 QPI 在难以到达区域的应用。

Dec, 2023

使用全光学相位计量处理器，实现了透明单相位物体的多光谱定量相位成像，提供了高速和功率高效的解决方案。

Aug, 2023

利用量化相位成像和人工智能技术结合的 PICS，可以提供高度特异性的未标记活细胞信息，并为长期无标签成像的生物应用提供了一种多功能定量技术。

Feb, 2020

基于深度学习训练的多程面量化相位成像设计可为紧凑型芯片相位成像和传感器设备开辟新的途径。

Mar, 2024

磁共振成像（MRI）与人工智能（AI）的复兴密切相关。通过利用 AI 在大规模优化和模式识别方面的能力，创新方法正在改变 MRI 采集流程，包括规划、序列设计和纠正采集伪影。这些新兴算法在增强采集步骤的效率和吞吐量方面展示了重要潜力。本综述讨论了神经 MRI 采集中几种重要的基于 AI 的方法，重点关注其技术进展、对临床实践的影响和潜在风险。

Jun, 2024

人工智能在核医学领域的影响正在迅速增长，研究人员和临床医生力图将人工智能应用到 PET，临床医生将很快发现自己参与到从图像重建到增强报告的分子成像链的人工智能应用中，这种人工智能在 PET 成像中的不断扩大的存在将导致对与人工智能不熟悉的教育资源的更大需求。本文的目标是为那些不熟悉人工智能的人提供现代人工智能核心原理的图文指南，重点关注在 PET 成像中最有可能遇到的方面。我们描述了卷积神经网络、算法训练，并解释了常用的 U-Net 在分割和图像合成中的组件。

Nov, 2023

使用深度学习的数字染色技术 PhaseStain 能将实验室内不需要标记的组织切片的量化相位图像转变成相当于组织经过染色的亮场显微镜图像的等效图像，以 Hematoxylin 和 Eosin，Jones' stain 和 Masson's trichrome stain 技术染色的实验室内标本数字染色，能减少化学染色的需求，降低样品制备成本和节省时间。

Jul, 2018

该文研究了近年来机器学习对于量子技术的影响，重点介绍了科学家们利用机器学习及人工智能等方法来分析量子测量、估计量子设备的参数以及发现新的量子实验方案、协议和反馈策略等，以进一步提高量子计算、量子通信和量子模拟等方面的效果，并探讨了未来发展方向和挑战。

Aug, 2022

本文综述了在量子计算、机器学习和人工智能交叉领域的主要思想、最近的发展以及在量子领域中研究机器学习和人工智能技术的进展，并探讨了量子机器学习和人工智能的相互增强作用以及基于量子力学概念的学习和智能问题。

Sep, 2017

我们重点关注于支持扫描探针显微测量的潜在可能性，强调了应用人工智能，特别是机器学习和量子计算。结果表明，人工智能在实验过程自动化中可以提供帮助，算法搜索良好样本区域，并阐明了结构性质关系的一些见解。因此，它有助于提高光学纳米显微扫描探针的效率和准确性。此外，基于人工智能算法和量子计算的结合可能对扫描探针显微的实际应用有巨大的潜力。文章还讨论了一些局限性，并概述了改进所提方法的研究路径。

Mar, 2024