高解析度之人工智能輔助可變焦超穎內視顯微鏡用於活體腦成像

本技術提出一套融合奈米光學與人工智慧之高解析內視顯微成像系統，針對傳統內視顯微技術於三維成像效率、系統體積及操作複雜度上的限制進行突破。透過整合可變焦超穎光學元件與深度學習影像重建方法，在無需機械掃描條件下，即可實現高速且穩定的光學切片成像，特別適用於活體腦部等高動態生醫應用場域。

在系統架構上，本技術結合光學模組與計算成像流程。光學端透過奈米級超穎介面(metasurface)技術設計光學相位分佈，以實現波前調控與焦距調整功能。計算端則透過深度學習模型進行影像重建，使原始影像可即時轉換為具光學切片效果之高對比影像。整體流程由單張均勻照明影像輸入，即可完成三維結構資訊之重建，大幅簡化傳統需多張影像與頻域運算之處理流程。在光學設計方面，本系統採用可變焦超穎透鏡，透過兩片奈米結構元件之相對旋轉實現焦距連續調整，避免傳統透鏡需沿光軸移動所帶來的機械複雜度與體積限制。此外，我們的設計具備遠心特性，可在變焦過程中維持穩定放大倍率與視野範圍，確保影像一致性與量測準確性。相較於液體透鏡與傳統光學變焦系統，此方法具備更高穩定性與整合潛力，特別適用於微型化內視裝置。在影像處理方面，本系統導入基於殘差卷積神經網路(RCNN)之深度學習模型，取代傳統HiLo光學切片需兩張影像與頻域解調之方法。經由大量訓練後，模型可直接由單張均勻照明影像預測高對比光學切片結果，使影像重建效率提升約50倍，單張處理時間低於0.1秒，顯著提升即時成像能力並降低計算負擔。

與現有內視顯微技術相比，本方法具備顯著優勢。傳統共軛焦內視顯微鏡雖具備優異之光學切片能力，但需逐點掃描，成像速度受限且容易產生光漂白問題。HiLo光學切片技術雖可提升成像效率，但仍需多張影像進行重建，難以應用於高速動態場景；液體透鏡則受限於重力與像差問題，影響成像品質與穩定性。本技術透過超穎光學與人工智慧之整合，同時克服上述限制，達成高速、高解析與低複雜度之成像能力。實驗結果顯示，本系統已達到橫向解析度優於1 μm、切片厚度約3 μm之成像表現，並成功應用於活體小鼠腦部微血管結構觀測，在動態環境中仍可維持穩定影像品質，驗證其於實際生醫場域之可行性與可靠性。該系統已完成概念驗證，並具備系統整合與應用擴展基礎。

技術優勢與亮點如下：

• 單張影像即可完成光學切片重建，效率提升約50倍（<0.1秒）
• 無需機械掃描，大幅降低系統複雜度與操作風險
• 可變焦超穎透鏡實現微型化與高整合光學設計
• 具遠心特性，確保變焦過程中影像穩定
• 高解析能力（<1 μm）與薄切片能力（~3 μm）
• 已完成活體腦部成像驗證，具備臨床應用潛力

圖片一、系統以內視探頭擷取器官組織影像，並結合兩片串接式超穎介面所形成的可變焦元件，藉由旋轉調整焦平面完成不同深度之影像擷取。後續再透過人工智慧模型進行快速運算，將寬場影像轉換為高對比的光學切片結果，展現本技術由光學調焦到智能重建之一體化特色。

圖片二、本技術之資料建構與模型推論機制。系統先利用均勻光與散斑照明取得對應影像，建立寬場影像與光學切片影像之配對資料，再藉由RCNN模型進行訓練，使其可由單張寬場輸入快速預測高對比光學切片結果。此方法可降低傳統多張取像與繁複重建所帶來的負擔，展現人工智慧輔助即時成像之優勢。