La microscopia olografica digitale è una modalità di imaging che può ricostruire digitalmente le immagini di campioni 3D da un singolo ologramma rifocalizzandolo digitalmente attraverso l'intero volume del campione 3D. In confronto, la scansione attraverso un volume di campione con un microscopio ottico convenzionale richiede l'utilizzo di un tavolino meccanico per spostare il campione e acquisire più immagini a varie profondità, che pone un vincolo sulla velocità di imaging ottenibile e sulla produttività. Inoltre, l'imaging olografico può essere eseguito a una frazione delle dimensioni e del costo di un microscopio a campo chiaro convenzionale, coprendo anche un campo visivo molto più ampio. Ciò ha consentito a una miriade di dispositivi portatili alimentati dall'olografia per la diagnostica biomedica e le applicazioni di rilevamento ambientale. Nonostante questi vantaggi, le immagini risultanti di un microscopio olografico in generale soffrono di artefatti spaziali legati all'interferenza della luce, che può limitare il contrasto ottenibile nell'ologramma ricostruito.

I ricercatori dell'UCLA hanno sviluppato un nuovo metodo basato su reti neurali artificiali per superare queste limitazioni dell'imaging 3D olografico. Questo nuovo metodo, chiamato olografia in campo chiaro, ha il meglio di entrambi i mondi in quanto combina il vantaggio del contrasto dell'immagine della microscopia in campo chiaro e la capacità di imaging volumetrico delle istantanee dell'olografia. In olografia in campo chiaro, una rete neurale profonda viene addestrata utilizzando coppie co-registrate di ologrammi rifocalizzati digitalmente e le corrispondenti immagini del microscopio a campo chiaro per apprendere la trasformazione dell'immagine statistica tra due diverse modalità di microscopia. Dopo la sua formazione, la rete neurale profonda acquisisce un ologramma rifocalizzato digitalmente corrispondente a una data profondità all'interno del volume del campione e lo trasforma in un'immagine equivalente a un'immagine al microscopio in campo chiaro acquisita alla stessa profondità, corrispondenza del contrasto spaziale e cromatico, nonché della capacità di sezionamento ottico di un microscopio a campo chiaro. Sebbene l'addestramento di una tale rete neurale richieda circa 40 ore, dopo che è stato addestrato, la rete rimane fissa e può creare rapidamente la sua immagine di output, in un secondo per un ologramma con milioni di pixel.

Questa ricerca è stata pubblicata in Luce:scienza e applicazioni , una rivista ad accesso aperto di Springer Nature. La ricerca è stata guidata dal Dr. Aydogan Ozcan, il Professore del Rettore di ingegneria elettrica e informatica presso la UCLA Henry Samueli School of Engineering and Applied Science, e direttore associato del California NanoSystems Institute (CNSI), insieme a Yichen Wu uno studente laureato e il dottor Yair Rivenson, un professore a contratto di ingegneria elettrica e informatica presso l'UCLA.

"L'olografia in campo chiaro colma il divario di contrasto tra i metodi classici di ricostruzione dell'ologramma e un microscopio a campo chiaro di fascia alta, eliminando allo stesso tempo la necessità di utilizzare hardware complesso e scansione meccanica per acquisire rapidamente volumi di campioni", ha affermato il Prof. Ozcan. Una delle applicazioni che trarranno immediatamente vantaggio da questa tecnologia è l'imaging volumetrico rapido di eventi dinamici all'interno di grandi volumi, aprendo nuove strade per far avanzare in modo significativo l'imaging ad alta produttività di campioni liquidi attraverso l'apprendimento profondo.