A microscopia holográfica digital é uma modalidade de imagem que pode reconstruir digitalmente as imagens de amostras 3-D de um único holograma, reorientando-o digitalmente em todo o volume da amostra 3-D. Em comparação, digitalizar através de um volume de amostra com um microscópio de luz convencional requer o uso de um estágio mecânico para deslocar a amostra e obter várias imagens em várias profundidades, que define uma restrição na velocidade de imagem alcançável e na taxa de transferência. Além disso, a imagem holográfica pode ser realizada em uma fração do tamanho e custo de um microscópio de campo claro convencional, também cobrindo um campo de visão muito maior. Isso possibilitou uma miríade de dispositivos portáteis alimentados por holografia para diagnósticos biomédicos e aplicações de detecção ambiental. Apesar dessas vantagens, as imagens resultantes de um microscópio holográfico em geral sofrem de artefatos espaciais relacionados à interferência de luz, que pode limitar o contraste alcançável no holograma reconstruído.

Pesquisadores da UCLA desenvolveram um novo método baseado em rede neural artificial para superar essas limitações da imagem 3D holográfica. Este novo método, denominado Holografia de campo claro, tem o melhor dos dois mundos, pois combina a vantagem de contraste de imagem da microscopia de campo claro e a capacidade de imagem volumétrica instantânea da holografia. Na Holografia de campo claro, uma rede neural profunda é treinada usando pares co-registrados de hologramas reorientados digitalmente e suas imagens de microscópio de campo claro correspondentes para aprender a transformação de imagem estatística entre duas modalidades de microscopia diferentes. Após seu treinamento, a rede neural profunda recebe um holograma digitalmente reorientado correspondente a uma determinada profundidade dentro do volume da amostra e o transforma em uma imagem que é equivalente a uma imagem de microscópio de campo claro adquirida na mesma profundidade, combinando o contraste espacial e de cor, bem como a capacidade de corte óptico de um microscópio de campo claro. Embora o treinamento dessa rede neural leve cerca de 40 horas, depois de treinado, a rede permanece fixa e pode criar rapidamente sua imagem de saída, dentro de um segundo para um holograma com milhões de pixels.

Esta pesquisa foi publicada em Luz:Ciência e Aplicações , um jornal de acesso aberto da Springer Nature. A pesquisa foi liderada pelo Dr. Aydogan Ozcan, o Professor do Chanceler de engenharia elétrica e de computação na Escola de Engenharia e Ciências Aplicadas da UCLA Henry Samueli, e um diretor associado do California NanoSystems Institute (CNSI), junto com Yichen Wu, um estudante de graduação e o Dr. Yair Rivenson, Professor Adjunto de Engenharia Elétrica e da Computação na UCLA.

"A holografia de campo claro preenche a lacuna de contraste entre os métodos clássicos de reconstrução de holograma e um microscópio de campo claro de última geração, ao mesmo tempo, elimina a necessidade de usar hardware complexo e varredura mecânica para obter rapidamente imagens de volumes de amostra ", disse o Prof. Ozcan. Uma das aplicações que se beneficiarão imediatamente com esta tecnologia é a imagem volumétrica rápida de eventos dinâmicos em grandes volumes, abrindo novos caminhos para o avanço significativo de imagens de alto rendimento de amostras de líquidos por meio do aprendizado profundo.