MARC

 008260126s2025        us                              c    eng  d
■001000017357747
■00520260202103555
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288864551
■035    ▼a(MiAaPQ)AAI32042001
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a535
■1001  ▼aAggarwal,  Neerja.
■24510▼aComputational  Hyperspectral  Microscopy  for  Bioimaging
■260    ▼a[Sl]▼bUniversity  of  California,  Berkeley▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a91  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Waller,  Laura.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2025.
■520    ▼aHyperspectral  imaging  involves  detecting  the  spectrum  (intensity  vs  wavelength)  of  light  emitted  at  each  point  in  space.  It  has  applications  in  biology  such  as  fluorescence  imaging  of  live  cells  and  interferometry  to  see  inside  tissues.  However,  traditional  hyperspectral  systems  often  have  to  scan  through  this  three-dimensional  spatial-spectral  datacube  (x,  y,  λ)  due  to  a  2D  sensor,  resulting  in  long  acquisition  times  and  large  setups.  Snapshot  imaging  fits  the  entire  3D  datacube  onto  a  2D  sensor  at  once  but  sacrifices  resolution.  Computational  imaging  involves  the  codesign  of  both  optics  and  algorithms  together  to  beat  traditional  tradeoffs.  In  this  work,  we  present  three  imaging  systems  for  various  bioimaging  applications  that  benefit  from  computational  imaging  to  improve  spectral  imaging  performance.In  the  first  application,  we  redesigned  a  traditional  spectrometer  using  a  diffuser  instead  of  a  grating  to  diffract  light.  The  resulting  speckle  pattern  was  captured  using  an  image  sensor  and  inverted  to  solve  for  the  spectrum.  This  compact  spectrometer  was  developed  for  optical  coherence  tomography,  an  interferometry  technique  for  imaging  eyes.In  the  second  project  for  fluorescence  microscopy,  we  used  a  diffuser  to  multiplex  light  onto  a  spectral  filter  array  on  an  image  sensor.  We  used  compressed  sensing  to  solve  for  more  voxels  in  the  hyperspectral  data  cube  than  pixels  on  the  sensor.  We  developed  a  compact  attachment  for  a  traditional  benchtop  microscopy  that  enables  live  imaging  on  biological  samples  and  demonstrate  high  fidelity  reconstructions  in  experiment.In  the  final  project,  we  adapted  a  Fourier  ptychography  system  for  spectral  imaging  using  a  filter  array.  Fourier  ptychography  uses  angled  illumination  to  scan  through  the  spatial  Fourier  plane  and  build  up  a  higher  resolution  image.  By  placing  the  filter  array  in  the  Fourier  plane,  we  can  scanned  the  object's  spatial  frequencies  through  each  spectral  filter  to  build  up  a  high  resolution  spatio-spectral  datacube.  We  investigated  this  idea  via  simulation  and  proposed  an  experimental  setup  that  could  be  used  for  digital  pathology.
■590    ▼aSchool  code:  0028.
■650  4▼aOptics
■650  4▼aElectrical  engineering
■650  4▼aComputer  science
■650  4▼aMedical  imaging
■653    ▼aBioimaging
■653    ▼aComputational  imaging
■653    ▼aHyperspectral  data
■653    ▼aMicroscopy
■690    ▼a0752
■690    ▼a0544
■690    ▼a0984
■690    ▼a0574
■71020▼aUniversity  of  California,  Berkeley▼bElectrical  Engineering  &  Computer  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357747▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books