iCANX Talks 学术报告︱Aydogan Ozcan教授·迈向智慧显微镜：基于深度学习的计算显微成像和传感技术

11

iCANX Talks Vol.11

大家好，6月26日加州大学洛杉矶分校（UCLA）的Aydogan Ozcan教授在iCANX Talks为全球观众做了题为“迈向智慧显微镜：基于深度学习的计算显微成像和传感技术”的精彩英文讲座，从便携式传感器出发，讲述了轻量化的成像，检测设备，包含无透镜成像等技术，然后补充了深度学习在计算成像中发挥的作用和其应用。会后iCANX Talks学术报告小组的UCLA博士生杨西林总结了讲座的主要内容，包括：研究背景、民主化成像设备（Democratization of imaging tools），民主化检测设备（Democratization of measurement tools），及深度学习用于图像生成，重建和变换（Deep-learning in image formation reconstruction & transformation）；最后还对讲座的问答(Q&A)环节进行了翻译与归纳。本文共6000余字，图文并茂，通俗易懂，相关内容对关心计算成像、生物光子学、深度学习、人工智能等前沿科技的老师和同学有一定帮助。本文的收费将全部作为撰写本技术报告的同学的稿费，感谢大家的宝贵支持，相信有您的支持和鼓励，iCANX Talks的学术报告会更加精彩。

iCANX Talks 学术报告

Aydogan Ozcan教授

迈向智慧显微镜：基于深度学习的计算显微成像和传感技术

——杨西林 加州大学洛杉矶分校 博士生

6月26日，iCANX Talks有幸邀请到了加州大学洛杉矶分校（UCLA）的Aydogan Ozcan教授为我们做了线上报告分享其研究工作。Ozcan博士是UCLA的校长教授和Volgenau工程创新主席，以及霍华德休斯医学院的HHMI教授，领导UCLA的生物和纳米光子学实验室，同时还是加利福尼亚州纳米系统研究所的副主任。Ozcan博士当选为美国国家发明院 (NAI) 院士，拥有41项已发布的专利和20多项正在申请的专利申请，还著有一本书和发表在主要科学及会议期刊上700余篇经同行评审的文章。Ozcan博士是Lucendi Inc.，Pictor Labs和Holomic / Cellmic LLC的创始人和董事会成员，后者于2015年被世界经济论坛评选为技术先驱。Ozcan博士还是美国科学促进会 (AAAS)，国际光子学会 (SPIE)，美国光学学会 (OSA)，美国医学和生物工程学院 (AIMBE)，电气电子工程师学会 (IEEE)，英国皇家化学学会 (RSC)，美国物理学会 (APS) 和古根海姆基金会的成员，并获得了重要奖项，包括科学家和工程师早期职业总统奖，国际光学委员会奖，生物光子技术创新奖，Rahmi M. Koc科学奖章，国际光子学会早期职业成就奖，陆军年轻研究者奖，美国国家科学基金会职业奖，国立卫生研究院主任新创新者奖，海军年轻研究者奖，IEEE光子学会青年研究奖和杰出讲师奖，国家地理新兴探索者奖，国家工程院Grainger基金会前沿工程奖和MIT TR35奖，表彰他对计算成像，传感和诊断的开创性贡献。

图 1 Aydogan Ozcan教授在iCANX Talks的讲座信息

深度学习是机器学习技术的一类，它使用多层人工神经网络来自动分析信号或数据。该名称来自深度神经网络的一般结构，即该结构由几层人工神经元组成，每层人工神经元彼此堆叠，每层神经元执行一次非线性运算。除了其主流应用 (例如图像中特定特征的识别和标记) 之外，深度学习还拥有许多革新性的图像生成和重建，以及传感领域的应用。实际上，深度学习具有不可思议的强大功能。它发展了光学显微技术，引入新的图像重建和变换方法，带来了令光学研究人员惊讶的成果。我们正从物理驱动的光学设计和设备，朝着数据驱动的设计的方向发展。这些设计将全面改变下一代显微镜和传感的光学硬件和软件，并以新的方式将两者融合。当前，我们采集图像，然后使用计算机进行处理。在深度学习的支持下，下一代光学显微镜和传感器将感知场景或对象，并根据给定的任务决定采样的方式和内容–这将需要深度学习与新设计的光学显微镜硬件的基于数据的完美结合。对于这种智慧显微镜而言，无监督学习将是扩大其对科学和工程学各个领域影响的关键。因为在这些领域中，标注好的图像数据可能难获得或者成本高昂。在本演讲中，Ozcan教授将概述我们在使用深层神经网络推进计算显微成像和传感系统方面的最新工作，其中还涵盖了它们在生物医学领域的应用。

Ozcan教授首先介绍了今天线上报告的主要内容，上半部分讲述他在计算成像和传感上的工作，以及其在手持移动设备上的医疗检测应用等，下半部分着重讲解深度学习如何帮助我们提升这些成像、传感设备及其为智能化显微镜带来的可能。