Los investigadores han desarrollado una cámara fácil de construir que produce imágenes en 3D a partir de una sola imagen en 2D sin lentes. En una aplicación inicial de la tecnología, los investigadores planean usar la nueva cámara, que ellos llaman DiffuserCam, para observar la actividad neuronal microscópica en ratones vivos sin un microscopio. Por último, podría resultar útil para una amplia gama de aplicaciones relacionadas con la captura 3D.

La cámara es compacta y económica de construir porque solo consta de un difusor, esencialmente una pieza de plástico con baches, colocado encima de un sensor de imagen. Aunque el hardware es simple, el software que utiliza para reconstruir imágenes en 3D de alta resolución es muy complejo.

"La DiffuserCam puede, en un solo disparo, capturar información 3D en un gran volumen con alta resolución, "dijo la líder del equipo de investigación Laura Waller, Universidad de California, Berkeley. "Creemos que la cámara podría resultar útil para vehículos autónomos, donde la información 3D puede ofrecer una sensación de escala, o podría usarse con algoritmos de aprendizaje automático para realizar la detección de rostros, rastrear personas o clasificar objetos automáticamente ".

En Optica , La revista de la Optical Society para la investigación de alto impacto, los investigadores muestran que DiffuserCam se puede utilizar para reconstruir 100 millones de vóxeles, o píxeles 3D, desde una imagen de 1,3 megapíxeles (1,3 millones de píxeles) sin escanear. Para comparacion, la cámara del iPhone X toma fotos de 12 megapíxeles. Los investigadores utilizaron la cámara para capturar la estructura en 3D de las hojas de una planta pequeña.

"Nuestra nueva cámara es un gran ejemplo de lo que se puede lograr con imágenes computacionales:un enfoque que examina cómo el hardware y el software se pueden usar juntos para diseñar sistemas de imágenes, ", dijo Waller." Hicimos un esfuerzo concertado para mantener el hardware extremadamente simple y económico. Aunque el software es muy complicado, también se puede replicar o distribuir fácilmente, permitiendo que otros creen este tipo de cámara en casa ".

Se puede crear una DiffuserCam utilizando cualquier tipo de sensor de imagen y puede crear imágenes de objetos que van desde una escala microscópica hasta el tamaño de una persona. Ofrece una resolución en el rango de decenas de micrones cuando se toman imágenes de objetos cercanos al sensor. Aunque la resolución disminuye cuando se toman imágenes de una escena más alejada del sensor, todavía es lo suficientemente alto como para distinguir que una persona está parada varios pies más cerca de la cámara que otra persona, por ejemplo.

Un enfoque simple para la obtención de imágenes complejas

La DiffuserCam es un pariente de la cámara de campo de luz, que captura la cantidad de luz que incide en un píxel en el sensor de imagen, así como el ángulo desde el que la luz incide en ese píxel. En una cámara de campo de luz típica, Se utiliza una serie de lentes diminutas colocadas frente al sensor para capturar la dirección de la luz entrante. permitiendo enfoques computacionales para reenfocar la imagen y crear imágenes en 3D sin los pasos de escaneo que normalmente se requieren para obtener información en 3D.

Hasta ahora, Las cámaras de campo de luz han tenido una resolución espacial limitada porque se pierde parte de la información espacial mientras se recopila la información direccional. Otro inconveniente de estas cámaras es que las matrices de microlentes son caras y deben personalizarse para una cámara particular o componentes ópticos utilizados para la formación de imágenes.

"Quería ver si podíamos lograr las mismas capacidades de imagen usando hardware simple y barato, ", dijo Waller." Si tenemos mejores algoritmos, ¿Podría el cuidadosamente diseñado, ¿Se reemplazarán los costosos arreglos de microlentes por una superficie de plástico con un patrón aleatorio, como un trozo de plástico lleno de baches? "

Después de experimentar con varios tipos de difusores y desarrollar algoritmos complejos, Nick Antipa y Grace Kuo, estudiantes en el laboratorio de Waller, descubrió que la idea de Waller de una cámara de campo de luz simple era posible. De hecho, usando golpes al azar en pegatinas de vidrio de privacidad, Porta credenciales de plástico o cinta adhesiva para conferencias, permitió a los investigadores mejorar las capacidades tradicionales de las cámaras de campo de luz mediante el uso de sensores comprimidos para evitar la típica pérdida de resolución que viene con las matrices de microlentes.

Aunque otras cámaras de campo de luz utilizan matrices de lentes que están diseñadas y alineadas con precisión, Se desconocen el tamaño y la forma exactos de las protuberancias en el difusor de la nueva cámara. Esto significa que se deben adquirir algunas imágenes de un punto de luz en movimiento para calibrar el software antes de la obtención de imágenes. Los investigadores están trabajando en una forma de eliminar este paso de calibración utilizando los datos sin procesar para la calibración. También quieren mejorar la precisión del software y hacer que la reconstrucción 3D sea más rápida.

No se requiere microscopio

La nueva cámara se utilizará en un proyecto de la Universidad de California en Berkeley que tiene como objetivo observar un millón de neuronas individuales mientras estimula 1, 000 de ellos con precisión de celda única. El proyecto está financiado por el programa de diseño de sistemas de ingeniería neuronal de DARPA, parte de la iniciativa BRAIN del gobierno federal, para desarrollar implantables, interfaces neuronales biocompatibles que eventualmente podrían compensar los déficits visuales o auditivos.

Como primer paso, los investigadores quieren crear lo que ellos llaman un módem cortical que "leerá" y "escribirá" en los cerebros de modelos animales, muy parecido a la actividad de entrada y salida de los módems de Internet. La DiffuserCam será el corazón del dispositivo de lectura para este proyecto, que también utilizará proteínas especiales que permitirán a los científicos controlar la actividad neuronal con luz.

"Usar esto para ver cómo se activan las neuronas en el cerebro de un ratón podría ayudarnos en el futuro a comprender más sobre la percepción sensorial y proporcionar conocimientos que podrían usarse para curar enfermedades como el Alzheimer o los trastornos mentales". "dijo Waller.

Aunque las técnicas de imágenes desarrolladas recientemente pueden capturar cientos de neuronas encendidas, No se comprende completamente cómo funciona el cerebro a mayor escala. DiffuserCam tiene el potencial de proporcionar esa información mediante la obtención de imágenes de millones de neuronas de una sola vez. Debido a que la cámara es liviana y no requiere microscopio ni lente objetivo, se puede colocar en una ventana transparente en el cráneo de un ratón, permitiendo que la actividad neuronal se vincule con la conducta. Se pueden colocar en mosaico varias matrices con difusores superpuestos para obtener imágenes de áreas grandes.

Una necesidad de diseñadores interdisciplinarios

"Nuestro trabajo muestra que las imágenes computacionales pueden ser un proceso creativo que examina todas las partes del diseño óptico y el diseño del algoritmo para crear sistemas ópticos que logren cosas que no se podían hacer antes o utilizar un enfoque más simple para algo que se podía hacer antes. , ", Dijo Waller." Esta es una dirección muy poderosa para la obtención de imágenes, pero requiere diseñadores con experiencia en óptica y física, así como conocimientos computacionales ".

El nuevo Berkeley Center for Computational Imaging, encabezada por Waller, está trabajando para formar más científicos en este campo interdisciplinario. Los científicos del centro también se reúnen semanalmente con bioingenieros, físicos e ingenieros eléctricos, así como expertos en procesamiento de señales y aprendizaje automático para intercambiar ideas y comprender mejor las necesidades de imágenes de otros campos.