高エネルギー荷電粒子、X線、電子線、赤外線等の量子線を検出するためには、可視光検出よりも厚い空乏化されたセンサ領域が必要となります。また、個々の量子を高速に検出・計数等を行うためには、画素ごとに検出回路を設ける必要があります。
Silicon-On-Insulator (SOI) ウエハは、２種類のシリコン結晶基板が薄い酸化膜を挟んで張り合わされた構造を持っており、上記のようなセンサと回路が一体となった検出器に最適な構造を持っています。但し、センサ領域を空乏化するためには高電圧が必要となり、低電圧のCMOS回路と組み合わせる為の工夫、センサと回路が近接する事による結合の問題、放射線に対する耐性等の解決すべき課題があります。
我々は上記のような課題を解決することにより、高エネルギー加速器実験、X線衛星、高輝度放射光実験、赤外線天文等の科学実験用イメージセンサを各種開発してきました。また厚い空乏層は近赤外線の検出に対しても有効であり、変換膜を付けることにより中性子検出も行えます。
現在、「SOI量子イメージセンサ・コンソーシアム」を立ち上げ、開発した技術を企業ユーザーにも公開し、相乗りプロセス(MPW: Multi Project Wafer)により安価に独自のセンサを開発できる体制を整えています。

イメージセンサは従来からの写真撮影に加えて、医用・健康、車載、農業・食品、認証、防災・防犯、宇宙・環境等の分野で広く利用され、IoT時代の中核的なセンシングデバイスの一つとして期待されている。高精度なセンシング機能をウェアラブル機器等の広く使われるデバイスに実装するには、可視光に加えて紫外光、近赤外光に対しても感度が高く、分光分析装置レベルの信号対雑音比（SNR）を2次元の画素毎に実現するイメージセンサ技術が必要である。
本講演では、東北大学にて研究開発を行っている、撮像・計測・分析装置の光検出部の機能・性能を飛躍的に向上させるイメージセンサの基盤技術とIoT時代の豊かで安心・安全な社会構築に資する高精度センシング応用について紹介する。
一般的なCMOSイメージセンサの約千倍である1000万個超の光電荷を画素毎に蓄積するために約30fF/µm2の高密度容量と低リーク電流を両立させた横型オーバーフロー蓄積トレンチ容量形成技術と、広光波長帯域・高耐光性フォトダイオード技術とを融合することで、130dB超のダイナミックレンジ、70dB超の高SNR、190nm～1100nmの広光波長帯域における世界最高レベルの量子効率を達成したイメージセンサ技術を紹介する。また、このイメージセンサを用いた非破壊・非侵襲センシングシステムによる血糖値、環境汚染物質等の高精度センシング応用の事例を紹介する。

2光子励起過程や高次高調波発生などの非線形光学過程を用いる2光子顕微鏡法は、その低侵襲性のため生体組織深部での蛍光断層イメージングを可能とし、生体機能やその分子基盤の可視化解析に不可⽋なものとなっている。我々はベクトルビーム、半導体レーザー、補償光学等の新しい光レーザー技術を活用し、2光子顕微鏡の深部到達性や空間分解能向上や超解像顕微鏡化を推進してきた。特に我々は、知る限り世界最深部である麻酔下のマウス脳表から1.6mmで蛍光像の取得に成功し、これにより世界で初めて、大脳皮質全層および海馬CA1、歯状回の観察およびビデオレートでの海馬神経細胞の活動を観察に成功した。一方、透過型液晶素子を活用しベクトルビームを形成する技術を用いて、2光子顕微鏡をベースとしたに超解像顕微鏡−2光子STED顕微鏡を構築した。さらに、高出力の新規半導体レーザー光源の導入により、現在では空間分解能が100nmを切る超解像イメージングを実現した。この顕微鏡では光褪色が著しく抑制されていた。また、マルチビームスキャン式共焦点ユニットを導入し、100フレーム/秒以上の高速の3次元撮像を試みている。本演題では最新の成果を紹介すると共に将来 展望についても議論を⾏いたい。なお本研究は科研費、先端バイオイメージング⽀援事業、AMED/革新脳、物質・デバイス共同研究拠点事業等の⽀援を受けて実施された。

【開発事例】
・超高解像度撮像：1.2億画素CIS、2.5億画素CIS
・超高感度撮像：35mmFHD-CIS、300mmウェハレベルCIS
本公演により新たなアプリケーション開発のヒントに繋がれば幸いです。

近年、高ダイナミックレンジセンサの登場により、明暗差が大きい画像の取得も容易になってきた。しかしながら、センサ取得画像は、人間の脳が感じているようなグローバル特性とローカル・コントラストのバランスが取れている画像とは大きく異なる。脳が知覚するような画像を取得できれば、通常の画像補正だけでなく、監視・医療・車載や深層学習に向けた入力画像の正規化にも有用である。
このような画像補正を深層学習自体の利用により処理することも提案されているが、出力画像の予測や演算負荷による高解像度化・リアルタイム処理の課題も多い。本セミナーでは、高性能かつ低演算負荷を目標に、1画素単位で輝度を適切に制御する高速かつグローバル・ローカル適応型画像処理について講演する。
まず、ローカル・トーン用関数が、画像のグローバル特性をも制御しうることも示す。そして、その処理が、3✕3画素や255×255画素などのフィルタサイズに依存しない高速処理で実現可能であることを解説する。そして、ノイズを増幅せずに局所コントラストを改善するとともに、その処理が人間の錯覚を再現していることを示す。また、本画像処理が、一般的な処理インターフェースであるトーンカーブを踏襲することも合わせて説明する。他の有用な画像処理との比較、有用な実験的カラー空間についても述べる。