量子を使用した群速度分散値の抽出

Aug 10, 2023

Scientific Reports volume 13、記事番号: 6596 (2023) この記事を引用

477 アクセス

2 オルトメトリック

メトリクスの詳細

量子模倣光コヒーレンストモグラフィー (Qm-OCT) 画像には、この方法で使用されるアルゴリズムの副産物として現れる寄生ピークであるアーティファクトが散乱しています。 ただし、アーティファクトの形状と動作は、このアーティファクトが対応する層の群速度分散 (GVD) に固有の関係があるため、GVD 値は注意深く分析することで推測できます。 多層オブジェクトの場合、アーティファクトの数が多すぎて層固有の分析ができないため、機械学習に基づくソリューションを採用します。 Qm-OCT データを入力として、分散プロファイル、つまり A スキャン内の GVD の深度分布を出力としてニューラル ネットワークをトレーニングします。 トレーニング中のノイズを考慮することで、実験データを処理し、BK7 とサファイアの GVD 値を推定し、ブドウとキュウリの定性的な GVD 値分布を提供します。 他の GVD 取得方法と比較して、私たちのソリューションはユーザー入力を必要とせず、可視化されたすべてのレイヤーの分散値を自動的に提供し、スケーラブルです。 私たちは、GVD の決定の精度に影響を与える要因、つまり実験データのノイズと GVD 誘発変化の検出の一般的な物理的制限を分析し、考えられる解決策を提案します。

量子模倣光コヒーレンストモグラフィー (Qm-OCT) は、量子 OCT で見られる量子もつれを模倣することにより、解像度の向上と偶数次分散のキャンセルを実現します。 理論的にはさまざまな形で提案されている 1,2,3 Qm-OCT は、OCT 検出セットアップに変更を導入する 4,5,6,7 か、単純に生の OCT スペクトルにコンピューター アルゴリズムを適用することによって実験的に実現されます 8,9。 原理的には、Qm-OCT A スキャンは、スペクトルをヒルベルト変換し、自己相関し、その後フーリエ変換を実行することによって取得されます。 情報内容の点でより有用な信号は FFT スタックと呼ばれ、スペクトルのいくつかのフラグメントを処理することによって取得されます。

この方法の中核は自己相関であり、その実装は実験的またはアルゴリズム的であり、アーティファクトが作成されます。 アーティファクトは、画像化されたオブジェクトの構造を表さない追加のピークであり、多層オブジェクトの画像スクランブルを引き起こします。 これらのアーティファクトはレイヤ固有です。FFT スタック内でのアーティファクトの動作と形状は、対応するレイヤの光学パラメータに関連しています。 このような光学パラメータの 1 つは、物体内の屈折率の波長依存の変化を表す群速度分散 (GVD) です。 GVD は、分散の累積的な性質と個々の層ごとに一度に補償できないため、特により深い層で解像度の低下につながるため、有害であると考えられています。 ただし、この有害な影響を有利に利用することもできます。つまり、GVD 値を抽出して、画像化されたオブジェクトを特徴付けることができます。 一般に、GVD 抽出を可能にする方法は、信号に対する分散の次の影響を利用します。解像度の低下 10,11、スペクトルの 2 つの異なるフラグメントから得られる A スキャン間のピーク位置のシフト 12、およびスペクトルの位相差 13 です。 これらのメソッドのパフォーマンスの非常に優れた比較は、Photiou と Pitris による出版物に記載されています14。 抽出された GVD は、水様媒体の塩分濃度と相関している可能性があり 15、さらには疾患の初期の兆候や進行と相関している可能性もあります 11。 残念なことに、GVD 値を決定するために使用されている現在のアプローチは、非常にエラーが発生しやすい 11 か、または非常に単純なオブジェクトに対してのみ機能します 10、12。 場合によっては、平均エラーが 1%14 に達することが示されていますが、自動とは程遠く、特に A スキャン内の複数のレイヤーに対して GVD を取得する場合にはユーザー入力が必要です。