Las imágenes ópticas y la caracterización de objetos de fase de dispersión débil, como células aisladas, bacterias y secciones de tejido delgado que se utilizan con frecuencia en la investigación biológica y aplicaciones médicas, han sido de gran interés durante décadas. Debido a sus propiedades ópticas, cuando estos "objetos de fase" se iluminan con una fuente de luz, la cantidad de luz dispersada suele ser mucho menor que la luz que pasa directamente a través de la muestra, lo que da como resultado un contraste deficiente de la imagen con los métodos de imagen tradicionales. Este bajo contraste de imagen se puede superar usando, por ejemplo, tinciones químicas o etiquetas fluorescentes. Sin embargo, estos métodos de marcado o tinción externos suelen ser tediosos, costosos e involucran productos químicos tóxicos.

La imagen de fase cuantitativa (QPI) ha surgido como un enfoque potente sin etiquetas para el examen óptico y la detección de varios objetos de fase transparente de dispersión débil. Las últimas décadas han sido testigos del desarrollo de numerosos métodos digitales para obtener imágenes de fase cuantitativas basadas en algoritmos de reconstrucción de imágenes que se ejecutan en computadoras para recuperar la imagen de fase del objeto a partir de varias mediciones interferométricas. Estas técnicas QPI digitales, impulsadas por unidades de procesamiento de gráficos (GPU), se han utilizado en diferentes aplicaciones, que incluyen patología, biología celular, inmunología e investigación del cáncer, entre otras.

En un nuevo artículo de investigación publicado en Advanced Optical Materials , un equipo de ingenieros ópticos, dirigido por el profesor Aydogan Ozcan del Departamento de Ingeniería Eléctrica e Informática y el Instituto de Nanosistemas de California (CNSI) de la Universidad de California, Los Ángeles (UCLA), desarrolló una red óptica difractiva para reemplazar los algoritmos de reconstrucción de imágenes digitales utilizados en sistemas QPI con una serie de superficies ópticas pasivas diseñadas espacialmente mediante aprendizaje profundo. A diferencia de los sistemas QPI convencionales, donde el paso de recuperación de fase se realiza en una computadora digital utilizando una medición de intensidad o un holograma, una red QPI difractiva procesa directamente las ondas ópticas generadas por el propio objeto para recuperar la información de fase de la muestra como la luz. se propaga a través de la red de difracción. Por lo tanto, todos los procesos de recuperación de fase y de imagen de fase cuantitativa se completan a la velocidad de la luz y sin necesidad de una fuente de alimentación externa, excepto la luz de iluminación. Después de que la luz interactúa con el objeto de interés y se propaga a través de las capas pasivas diseñadas espacialmente, la imagen de fase recuperada de la muestra aparece en la salida de la red de difracción como una imagen de intensidad, convirtiendo con éxito las características de fase del objeto en la entrada en una imagen de intensidad en la salida.

Estos resultados constituyen la primera recuperación de fase totalmente óptica y transformación de fase a intensidad lograda a través de la difracción. De acuerdo con los resultados presentados por el equipo de la UCLA, las redes QPI difractivas entrenadas con aprendizaje profundo no solo pueden generalizarse a objetos de nueva fase invisibles que estadísticamente se asemejan a las imágenes de entrenamiento, sino también generalizarse a tipos de objetos completamente nuevos con diferentes características espaciales. Además, estas redes QPI difractivas están diseñadas para que la cuantificación de la fase de entrada sea invariable a posibles cambios en la intensidad de la luz de iluminación o la eficiencia de detección del sensor de imagen. El equipo también demostró que las redes QPI difractivas podrían optimizarse para mantener su calidad de imagen de fase cuantitativa incluso bajo desalineaciones mecánicas de sus capas difractivas.

Las redes difractivas QPI reportadas por el equipo de UCLA representan un nuevo concepto de imagen de fase que, además de su velocidad computacional superior, completa el proceso de recuperación de fase a medida que la luz pasa a través de superficies difractivas pasivas delgadas y, por lo tanto, elimina el consumo de energía y el uso de memoria. necesarios en los sistemas QPI digitales, lo que podría allanar el camino para varias aplicaciones nuevas en microscopía y detección. + Explora más

Las redes ópticas difractivas reconstruyen hologramas instantáneamente sin una computadora digital