A imagem óptica e a caracterização de objetos de fase de dispersão fraca, como células isoladas, bactérias e seções de tecidos finos frequentemente usados ​​em pesquisas biológicas e aplicações médicas, têm sido de interesse significativo há décadas. Devido às suas propriedades ópticas, quando esses 'objetos de fase' são iluminados com uma fonte de luz, a quantidade de luz espalhada é geralmente muito menor do que a luz que passa diretamente pela amostra, resultando em um contraste de imagem ruim usando métodos tradicionais de imagem. Este baixo contraste de imagem pode ser superado usando, por exemplo, manchas químicas ou etiquetas fluorescentes. No entanto, esses métodos externos de rotulagem ou coloração são muitas vezes tediosos, caros e envolvem produtos químicos tóxicos.
A imagem quantitativa de fase (QPI) surgiu como uma poderosa abordagem sem rótulo para exame óptico e detecção de vários objetos de fase transparentes e com dispersão fraca. As últimas décadas testemunharam o desenvolvimento de vários métodos digitais para imagens de fase quantitativas baseadas em algoritmos de reconstrução de imagem executados em computadores para recuperar a imagem de fase do objeto a partir de várias medições interferométricas. Essas técnicas digitais de QPI, alimentadas por unidades de processamento gráfico (GPUs), têm sido usadas em diferentes aplicações, incluindo patologia, biologia celular, imunologia e pesquisa de câncer, entre outras.

Em um novo artigo de pesquisa publicado em Materiais Ópticos Avançados , uma equipe de engenheiros ópticos, liderada pelo professor Aydogan Ozcan do Departamento de Engenharia Elétrica e de Computação e do California NanoSystems Institute (CNSI) da Universidade da Califórnia, Los Angeles (UCLA), desenvolveu uma rede óptica difrativa para substituir os algoritmos de reconstrução de imagem digital usados em sistemas QPI com uma série de superfícies ópticas passivas que são projetadas espacialmente usando aprendizado profundo. Ao contrário dos sistemas QPI convencionais, onde a etapa de recuperação de fase é realizada em um computador digital usando uma medição de intensidade ou um holograma, uma rede QPI difrativa processa diretamente as ondas ópticas geradas pelo próprio objeto para recuperar as informações de fase do espécime como a luz propaga pela rede difrativa. Portanto, todo o processo de recuperação de fase e geração de imagens quantitativas de fase são concluídos na velocidade da luz e sem a necessidade de uma fonte de energia externa, exceto a luz de iluminação. Depois que a luz interage com o objeto de interesse e se propaga através das camadas passivas projetadas espacialmente, a imagem de fase recuperada da amostra aparece na saída da rede difrativa como uma imagem de intensidade, convertendo com sucesso as características de fase do objeto na entrada em uma imagem de intensidade na saída.

Esses resultados constituem a primeira recuperação de fase totalmente óptica e transformação de fase para intensidade alcançada por difração. De acordo com os resultados apresentados pela equipe da UCLA, as redes QPI difrativas treinadas usando aprendizado profundo podem não apenas generalizar para novos objetos de fase invisíveis que se assemelham estatisticamente às imagens de treinamento, mas também generalizar para tipos inteiramente novos de objetos com diferentes características espaciais. Além disso, essas redes QPI difrativas são projetadas para que a quantificação da fase de entrada seja invariante a possíveis mudanças na intensidade da luz de iluminação ou na eficiência de detecção do sensor de imagem. A equipe também mostrou que as redes QPI difrativas podem ser otimizadas para manter sua qualidade de imagem de fase quantitativa mesmo sob desalinhamentos mecânicos de suas camadas difrativas.

As redes QPI difrativas relatadas pela equipe da UCLA representam um novo conceito de imagem de fase que, além de sua velocidade computacional superior, completa o processo de recuperação de fase à medida que a luz passa por superfícies difrativas finas e passivas e, portanto, elimina o consumo de energia e o uso de memória exigido em sistemas digitais QPI, potencialmente abrindo caminho para várias novas aplicações em microscopia e sensoriamento. + Explorar mais

Redes ópticas difrativas reconstroem hologramas instantaneamente sem um computador digital