近日，由我校自动化学院谢胜利教授带领的智能信息处理团队检测小组在光学相干弹性成像领域取得重要进展，以青年教师白玉磊副教授和董博副教授分别以第一作者和通讯作者身份的研究成果“Bayesian-neural-network-based strain estimation approach for optical coherence elastography”（突破了层析退相关信号不可测的难题）发表于美国光学学会旗舰期刊Optica。美国光学学会是光学领域权威的国际性学术组织，其中Optica作为美国光学学会同名旗舰期刊，属于光学领域顶级期刊。这是星空体育·(China)官方网站首次在该期刊发表论文，且星空体育·(China)官方网站是该研究独立完成单位。

研究成果简介如下：

光学相干弹性成像（Optical Coherence Elastography, OCE）是目前国际上发展速度最快且最具前景的材料内部力学检测方法，具有微米级分辨率、微应变级灵敏度和全场测量能力。如何在强噪声环境精确重构层析应变场是OCE领域的三大难题之一，也是实现内部全场力学特性表征的关键。

星空体育·(China)官方网站自动化学院智能信息处理团队基于仿真建模数据驱动方式，提出了一种基于贝叶斯深度神经网络（Bayesian Neural Network, BNN）的层析应变重构新方法。该方法通过学习真实测量环境包裹相位到相位梯度的映射关系以实现全场应变的精确重构，并在此基础上利用BNN的不确定度学习能力预测应变结果的置信度分布。此外，该方法还能通过优化BNN不确定度能量，从而克服应变过大引起的相位退相关问题，突破了层析退相关信号不可测的难题。

图1：基于贝叶斯深度神经网络的相衬光学相干弹性成像新方法

该工作得到了国家自然科学基金（(62171140, 62273105, 62475048）、国家重大科研仪器研制项目（61727810）等支持。

原文链接：https://opg.optica.org/optica/fulltext.cfm?uri=optica-11-9-1334&id=559928