O nouă metodă de imagistică fără lentile surprinde imagini mai clare ale obiectelor în mișcare
O echipă de cercetare de la Universitatea Nanjing și Universitatea Peking din China a anunțat o avansare semnificativă în domeniul imagisticii, prin integrarea modelării fizice cu învățarea profundă.
Odată cu dezvoltarea rapidă a smartphone-urilor, a dispozitivelor purtabile și a sistemelor de diagnostic medical portabile, cerințele pentru sistemele de imagistică au crescut considerabil. Acestea trebuie să ofere imagini clare, fiind în același timp compacte și ușoare. Camerele convenționale se bazează pe imagistica prin lentile; totuși, lentilele optice limitează miniaturizarea și sunt susceptibile la aberații și alte imperfecțiuni optice. Imagistica fără lentile reprezintă o alternativă, în care senzorul înregistrează direct informațiile de difracție ale câmpului luminos modulat, iar imaginea este ulterior „recuperată” prin reconstrucție computațională.
Cu toate acestea, când obiectul imaged este în mișcare, imagistica fără lentile întâmpină și mai mari provocări. Senzorul înregistrează tipare de difracție mixte și neclare, iar metodele convenționale necesită adesea mai multe achiziții sau se bazează pe presupuneri puternice. Aceste limitări pot duce la pierderi de informații temporale, estomparea mișcării și lipsa detaliilor fine. În aplicații precum microscopie, observația mostrelor vii și monitorizarea proceselor biologice dinamice, obținerea unei reconstrucții clare a imaginilor dinamice dintr-o singură măsurătoare a reprezentat o provocare de lungă durată.
Recent, o echipă de cercetare comună de la Universitatea Nanjing și Universitatea Peking din China a raportat un avans în domeniul Intelligent Opto-Electronics (IOE). Studiul explorează un nou cadru care integrează modelele fizice cu învățarea profundă. Acest cadru oferă o soluție robustă pentru a aborda provocările descrise mai sus. Obiectivul central este de a depăși dependența convențională a imagisticii fără lentile de mai multe achiziții, presupuneri puternice și modele fizice de înaltă precizie în scenarii dinamice. Prin aceasta, se permite sistemelor de imagistică fără lentile să recupereze imagini mai clare și de o rezoluție mai mare ale mostrelor în mișcare, deschizând noi posibilități pentru aplicații flexibile și practice în acest domeniu.
În cadrul acestui studiu, cercetătorii au construit un sistem de imagistică dinamică fără lentile cu constrângere prin mască, care facilitează interpretarea mai clară a tiparelor de difracție. Aceștia au introdus o abordare de reprezentare neurală implicită, în care coordonatele spatiale și temporale sunt alimentate într-o rețea neurală pentru a învăța distribuția amplitudinii complexe a obiectelor dinamice. Spre deosebire de metodele convenționale, cadrul propus nu doar că limitează reconstrucția la planul senzorului, ci și proiectează o funcție de pierdere colaborativă în domeniile spațial și de frecvență.
Experimentele de simulare au demonstrat avantajele metodei propuse în scenarii dinamice complexe. McLDI-INR a produs constant reconstrucții mai aproape de adevărul de bază, păstrând contururile obiectelor și detaliile texturii de înaltă frecvență. Experimentele reale au validat valoarea practică a McLDI-INR, arătând o îmbunătățire semnificativă a clarității marginilor și o reducere a estompării mișcării. În imagistica mostrelor biologice, metoda a reușit, de asemenea, să capteze detalii de mișcare non-rigidă, cum ar fi contracția și deplasarea cozii în rotifere, indicând aplicabilitatea sa atât pentru ținte în mișcare regulate, cât și pentru procese dinamice complexe în sistemele vii.
Acest studiu demonstrează că integrarea profundă a modelării fizice și a reprezentării neuronale implicite poate extinde limitele capacităților imagisticii fără lentile, permițând reconstrucția de înaltă fidelitate și de înaltă rezoluție temporală a scenelor dinamice, fără a depinde de lentilele optice convenționale. Această realizare este așteptată să avanseze dezvoltarea microscopiei miniaturizate, a detectării biologice portabile și a observației proceselor dinamice în sisteme vii.
