Оптическая визуализация и характеристика слаборассеивающих фазовых объектов, таких как изолированные клетки, бактерии и тонкие срезы тканей, часто используемые в биологических исследованиях и медицинских приложениях, вызывают значительный интерес на протяжении десятилетий. Из-за их оптических свойств, когда эти «фазовые объекты» освещаются источником света, количество рассеянного света обычно намного меньше, чем свет, проходящий непосредственно через образец, что приводит к плохому контрасту изображения при использовании традиционных методов визуализации. Этот низкий контраст изображения можно преодолеть, используя, например, химические красители или флуоресцентные метки. Однако эти методы внешней маркировки или окрашивания часто утомительны, дорогостоящи и включают токсичные химические вещества.
Количественная фазовая визуализация (QPI) стала мощным безметочным подходом к оптическому исследованию и обнаружению различных слабо рассеивающих прозрачных фазовых объектов. За последние несколько десятилетий были разработаны многочисленные цифровые методы количественного фазового изображения, основанные на алгоритмах реконструкции изображения, работающих на компьютерах, для восстановления фазового изображения объекта из различных интерферометрических измерений. Эти цифровые методы QPI, основанные на графических процессорах (GPU), использовались в различных приложениях, включая патологию, клеточную биологию, иммунологию и исследования рака , среди прочего.
В новой исследовательской работе, опубликованной в журнале Advanced Optical Materials, группа инженеров-оптиков под руководством профессора Айдогана Оздана из Департамента электротехники и вычислительной техники и Калифорнийского института наносистем (CNSI) Калифорнийского университета в Лос-Анджелесе (UCLA) разработала дифракционная оптическая сеть для замены алгоритмов реконструкции цифровых изображений, используемых в системах QPI, серией пассивных оптических поверхностей, пространственно спроектированных с использованием глубокого обучения .. В отличие от обычных систем QPI, где этап восстановления фазы выполняется на цифровом компьютере с использованием измерения интенсивности или голограммы, дифракционная сеть QPI напрямую обрабатывает оптические волны, генерируемые самим объектом, для извлечения информации о фазе образца в виде света. распространяется по дифракционной сети. Таким образом, все процессы восстановления фазы и количественного фазового изображения выполняются со скоростью света и без необходимости внешнего источника питания, за исключением источника света. После того, как свет взаимодействует с интересующим объектом и распространяется через пространственно спроектированные пассивные слои, восстановленное фазовое изображение образца появляется на выходе дифракционной сети в виде изображения интенсивности.
Эти результаты представляют собой первое полностью оптическое восстановление фазы и преобразование фазы в интенсивность, достигнутое с помощью дифракции. Согласно результатам, представленным командой Калифорнийского университета в Лос-Анджелесе, дифракционные сети QPI, обученные с использованием глубокого обучения, могут не только обобщать невидимые новые фазовые объекты, которые статистически напоминают обучающие изображения, но также обобщать совершенно новые типы объектов с другими пространственными характеристиками. Кроме того, эти дифракционные сети QPI разработаны таким образом, что количественная оценка входной фазы инвариантна к возможным изменениям интенсивности освещения или эффективности обнаружения датчика изображения. Команда также показала, что дифракционные сети QPI могут быть оптимизированы для поддержания качества их количественного фазового изображения даже при механическом смещении его дифракционных слоев.
Дифракционные сети QPI, о которых сообщила команда Калифорнийского университета в Лос-Анджелесе, представляют собой новую концепцию фазовой визуализации, которая, в дополнение к своей превосходной вычислительной скорости, завершает процесс восстановления фазы при прохождении света через тонкие пассивные дифракционные поверхности и, следовательно, устраняет потребление энергии и использование памяти. требуется в цифровых системах QPI, потенциально прокладывая путь для различных новых приложений в микроскопии и зондировании.
