ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
اپتیک محاسباتی
تصویربرداری نوری بسیار فراتر از مشاهده تصاویر ثبت شده توسط دوربین توسعه یافته است. با استفاده از تکنیک های محاسباتی تصاویر پس از کسب اطلاعات ، می توان میزان اطلاعاتی را که می توان از تصاویر گرفته شده توسط مجموعه های ما استخراج کرد ، به حداکثر رساند. محققان از هر دو مدل ریاضی شکل گیری تصویر و پیشرفت در هوش مصنوعی و یادگیری ماشینی استفاده کرده اند تا نه تنها کیفیت تصاویر گرفته شده را ارتقا دهند ، بلکه ترجمه این تصاویر را به اطلاعات بیولوژیکی معنی دار نیز خودکار کنند.
در این بخش ، ما تکنیک های مختلف محاسباتی را توصیف می کنیم تا نه تنها وضوح و کیفیت کلی تصاویر OCT را افزایش دهیم ، بلکه روش هایی را نیز برای به حداکثر رساندن اطلاعات تشخیص داده شده از آنها ارائه می دهیم. ما مشکل پراکندگی را در توموگرافی انسجام نوری و اینکه چگونه میکروسکوپ دیافراگم مصنوعی تداخل سنجی وضوح صفحه کانونی را در کل حجم بازیابی می کند ، توضیح می دهیم.