• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Física
    El aprendizaje profundo combina las ventajas de la holografía y la microscopía de campo brillante para obtener imágenes en 3D

    Holografía de campo brillante (BH):una técnica novedosa para la obtención de imágenes de objetos microscópicos de alto contraste en volúmenes de muestra. Crédito:Instituto de Ingeniería de UCLA para el Avance Tecnológico

    La microscopía holográfica digital es una modalidad de imágenes que puede reconstruir digitalmente las imágenes de muestras 3-D a partir de un solo holograma reenfocando digitalmente a través de todo el volumen de muestra 3-D. En comparación, Escanear a través de un volumen de muestra con un microscopio óptico convencional requiere el uso de una platina mecánica para desplazar la muestra y tomar múltiples imágenes a varias profundidades. lo que establece una limitación en la velocidad y el rendimiento de imágenes alcanzables. Es más, Las imágenes holográficas se pueden realizar a una fracción del tamaño y el costo de un microscopio de campo claro convencional, también cubriendo un campo de visión mucho más grande. Esto ha permitido una gran variedad de dispositivos portátiles con tecnología holográfica para diagnósticos biomédicos y aplicaciones de detección ambiental. A pesar de estas ventajas, las imágenes resultantes de un microscopio holográfico en general sufren de artefactos espaciales relacionados con la interferencia de la luz, lo que puede limitar el contraste alcanzable en el holograma reconstruido.

    Los investigadores de la UCLA han desarrollado un nuevo método basado en una red neuronal artificial para superar estas limitaciones de las imágenes holográficas en 3D. Este nuevo método, denominada holografía de campo brillante, tiene lo mejor de ambos mundos, ya que combina la ventaja de contraste de imagen de la microscopía de campo claro y la capacidad de captura de imágenes volumétricas instantáneas de la holografía. En holografía de campo claro, se entrena una red neuronal profunda utilizando pares registrados de hologramas reenfocados digitalmente y sus correspondientes imágenes de microscopio de campo brillante para aprender la transformación estadística de imágenes entre dos modalidades de microscopía diferentes. Después de su entrenamiento, la red neuronal profunda toma un holograma reenfocado digitalmente correspondiente a una profundidad dada dentro del volumen de muestra y lo transforma en una imagen que es equivalente a una imagen de microscopio de campo brillante adquirida a la misma profundidad, haciendo coincidir el contraste espacial y de color, así como la capacidad de corte óptico de un microscopio de campo claro. Aunque el entrenamiento de una red neuronal de este tipo lleva unas 40 horas, después de que se entrena, la red permanece fija y puede crear rápidamente su imagen de salida, en un segundo para un holograma con millones de píxeles.

    Esta investigación ha sido publicada en Luz:ciencia y aplicaciones , una revista de acceso abierto de Springer Nature. La investigación fue dirigida por el Dr. Aydogan Ozcan, el profesor del canciller de ingeniería eléctrica e informática en la Escuela de Ingeniería y Ciencias Aplicadas Henry Samueli de UCLA, y director asociado del California NanoSystems Institute (CNSI), junto con Yichen Wu, un estudiante de posgrado y el Dr. Yair Rivenson, profesor adjunto de ingeniería eléctrica e informática en UCLA.

    "La holografía de campo brillante cierra la brecha de contraste entre los métodos clásicos de reconstrucción de hologramas y un microscopio de campo brillante de alta gama, al mismo tiempo que elimina la necesidad de utilizar hardware complejo y escaneo mecánico para obtener imágenes rápidamente de volúmenes de muestra ", dijo el profesor Ozcan. Una de las aplicaciones que se beneficiará inmediatamente de esta tecnología es la imagen volumétrica rápida de eventos dinámicos dentro de grandes volúmenes, abriendo nuevas vías para avanzar significativamente en la obtención de imágenes de alto rendimiento de muestras líquidas a través del aprendizaje profundo.

    © Ciencia https://es.scienceaq.com