(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210858811.X (22)申请日 2022.07.20 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 杨青　张乾威　梁晨晖　林沐春　 杨啸宇　刘旭　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 傅朝栋　张法高 (51)Int.Cl. G01N 21/84(2006.01) G01N 21/01(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于超构表面薄膜的深移频无标记超分辨 成像芯片及其系统和方法 (57)摘要 本发明公开了一种基于超构表面薄膜的深 移频无标记超分辨成像芯片及其系统和方法， 属 于移频超分辨显微成像领域。 芯片 包括在照明光 波段透明且两面平整的衬底； 所述衬底的上表面 具有用于激发超高波矢表面等离激元的若干微 结构， 衬底的上表面还设有能将所有微结构覆盖 的超构表 面薄膜； 超构表面薄膜 为由金属膜与非 金属膜纵向周期性排列组成， 用于支持超高波矢 表面等离激元的传输。 本发明通过控制金属薄膜 与非金属薄膜材料的种类、 每层薄膜厚度、 超构 表面总厚度和照明波长等， 可以设计出有效折射 率远高于天然光学材料的双曲超构表 面， 从而进 一步提升移频超分辨成像技术的分辨率， 实现亚 50纳米超分辨成像 。 权利要求书2页 说明书6页 附图2页 CN 115236079 A 2022.10.25 CN 115236079 A 1.一种基于超构表面薄膜的深移频无标记超分辨成像芯片， 其特征在于， 包括在照明 光波段透明且两面平整的衬底； 所述衬底的上表 面具有用于激发超高波矢表面等离激元的 若干微结构， 衬底的上表面还设有能将所有微结构覆盖的超构表面薄膜； 超构表面薄膜为 由金属膜与非金属膜纵向周期性 排列组成， 用于支持超高波矢表面 等离激元的传输 。 2.根据权利要求1所述的基于超构表面薄膜的深移频无标记超分辨成像芯片， 其特征 在于， 当所述照明光为可见光时， 衬底材料为二氧化硅或氧化铝， 金属膜材料为金、 银、 铜中 的一种， 非金属膜材 料为二氧化硅、 氟化镁、 氧化铝中的一种。 3.根据权利要求1所述的基于超构表面薄膜的深移频无标记超分辨成像芯片， 其特征 在于， 所述微结构通过微纳加工的方法设置于衬底的上表面， 方法为电子束光刻系统、 聚焦 离子束技术、 光刻技 术、 纳米压印技 术中的一种。 4.根据权利要求1所述的基于超构表面薄膜的深移频无标记超分辨成像芯片， 其特征 在于， 所述超构表面薄膜通过微纳加工的方法沉积于衬底的上表面， 方法为磁控溅射或电 子束蒸发。 5.一种光学系 统， 其特征在于， 包括光源(201)、 如权利要求1～4任一所述的基于超构 表面薄膜的深移频无标记超分辨成像芯片(205)、 显微光学系统(207)和光学接收系统； 所 述光源(201)能从芯片(205)的下表面入射， 照明微结构后激发大波矢表面等离激元， 通过 超构表面薄膜进 行传输， 对超构表面薄膜上方的样品进 行照明； 所述显微光学系统(207)用 于收集样品的散射信号， 所述 光学接收系统用于记录原 始成像信息 。 6.根据权利 要求5所述的光学系统， 其特征在于， 所述光源(201)为激光光源或者LED光 源。 7.根据权利要求5所述的光学系统， 其特征在于， 所述光源(201)与芯片(205)下表面之 间的光路上还依次设有缩束扩束系统(202)、 偏振片和相位片组件(203)和反射镜(204)； 芯 片(205)放置于样品台(206)上， 光学接收系统包括透镜、 光学相机(208)和用于图像的存 储、 重构和显示的计算机(209)。 8.一种利用权利要求5～7任一所述 光学系统的成像方法， 其特 征在于， 具体如下： S11： 利用光源(201)直接照明样品， 利用光学接收系统中的光学相机(208)采集包括样 品低频空间信息的基频图像； S12： 将光源(201)经过偏振调制产 生的照明光从芯片(205)下表面入射， 通过微结构激 发不同波矢的表面等离激元并在超构表面薄膜中传输， 在 超构表面薄膜上方生成横向大波 矢倏逝波照明样品； 改变照明光的偏振方向和波长， 采集包含样品不同方向、 不同频率的高 频空间信息的移频图像； S13： 将采集到的所述基频图像和所述移频图像输入训练好的深度学习恢复算法中， 利 用采集的低频 空间信息和部 分高频空间信息恢复出最高移频范围内的完整频谱信息， 进而 重构出样本的深移频超分辨图像。 9.根据权利要求8所述的成像方法， 其特征在于， 所述深度 学习恢复算法采用深度傅里 叶域注意神经网络架构。 10.根据权利要求8所述的成像方法， 其特征在于， 所述深度学习的训练和重构过程具 体包含以下步骤： S21： 收集或生成高分辨 率仿真图像， 该图像包 含所需重构实验样本的空间特 征；权　利　要　求　书 1/2 页 2 CN 115236079 A 2S22： 定义深移频超分辨显微成像模型所需要的物 理参数， 所述物 理参数包括物镜的数 值孔径、 照明光波长、 倏逝波提供的移频量、 照明角度、 单位像素对应的空间尺度和图像放 大系数； S23： 根据步骤S22中定义的物 理参数， 生成对应的相干传递函数， 然后对高分辨率仿真 图像做快速傅里叶变换以得到其频谱， 并模拟普通光和倏逝波照明以获得一组低分辨率图 像数据； S24： 使用不同信噪比的高斯白噪声分别对数据集中的低分辨率图像数据进行处理， 使 其更接近实际成像条件， 以增强模型 的去噪能力； 同时， 应用随机裁剪、 水平或垂直翻转和 旋转变换来进一 步丰富仿真数据集； S25： 将经步骤S24数据增 强后所得的仿真数据集按照比例随机划分为训练集、 验证集 和测试集， 并对深度傅里叶域注意卷积神经网络进行训练； S26： 在实验环境中， 通过低倍物镜和高倍物镜下获取移频低分辨图像与对应的高分辨 图像作为训练集， 并在仿真数据集训练的基础上， 再通过迁移学习对该深度学习模型进行 微调； S27： 采集所需重构样本的基频图像和移频图像， 输入至训练好的深度学习模型中进行 重构。权　利　要　求　书 2/2 页 3 CN 115236079 A 3