YOSO: single-frame Gerchberg-Saxton phase retrieval with AI-based data augmentation for in-line holography

A continuación se presenta un resumen técnico detallado del artículo "YOSO: recuperación de fase Gerchberg-Saxton de un solo cuadro con aumento de datos basado en IA para holografía en línea".

1. Planteamiento del Problema

La Microscopía Holográfica Digital en Línea (DIHM) es una técnica de imagen compacta, sin lentes (o basada en lentes) que recupera información de fase a partir de patrones de intensidad desenfocados. Sin embargo, enfrenta desafíos significativos:

• El Efecto de la Imagen Gemela: La DIHM de un solo cuadro sufre por la superposición de la imagen real y una imagen conjugada (gemela), lo que degrada la calidad de la reconstrucción.
• Limitación de un Solo Cuadro: La recuperación de fase de alta calidad tradicional (por ejemplo, utilizando el algoritmo Gerchberg-Saxton (GS)) requiere capturar múltiples imágenes de intensidad a diferentes distancias de desenfoque (multi-altura). Esto reduce la velocidad de adquisición y aumenta la complejidad del sistema.
• Limitaciones del Aprendizaje Profundo: Los enfoques existentes de aprendizaje profundo para la recuperación de fase de un solo cuadro a menudo sufren de:
  • Mala Generalización: Los modelos entrenados en muestras específicas fallan en otras.
  • Eficiencia de Entrenamiento: Arquitecturas como U-Net requieren largos tiempos de entrenamiento (por ejemplo, ~18 horas) y a menudo necesitan procedimientos de "parche y ensamblaje" para imágenes grandes debido a restricciones de tamaño de entrada fijo.
  • Codificación Compleja: Algunos métodos requieren una codificación de salida compleja para campos complejos.
  • Inconsistencia Física: Los métodos de relleno estándar (relleno con ceros) utilizados en el aprendizaje profundo pueden crear inconsistencias físicas cuando se alimentan en algoritmos de reconstrucción basados en física como GS.

2. Metodología: El Marco YOSO

Los autores proponen YOSO (You Only Shot Once), un marco híbrido que combina el aprendizaje profundo supervisado con algoritmos clásicos basados en física.

• Concepto Central: En lugar de usar una red neuronal (DNN) para generar directamente la fase final, YOSO utiliza una DNN para generar numéricamente un segundo holograma ($\tilde{I}_2$) correspondiente a una distancia de desenfoque diferente a partir de un único holograma capturado ($I_1$).

• El Pipeline:

  1. Entrada: Un único holograma en línea capturado físicamente ($I_1$).
  2. Aumento con IA: Una ResNet Multiescala (Red Neuronal Profunda) estima el segundo holograma ($\tilde{I}_2$) a una distancia de propagación diferente ($z_2$).
  3. Reconstrucción Basada en Física: El par $(I_1, \tilde{I}_2)$ se introduce en el algoritmo estándar Gerchberg-Saxton (GS). El algoritmo GS propaga iterativamente el campo de onda entre los dos planos, imponiendo restricciones de intensidad, para recuperar la onda del objeto compleja.
  4. Salida: El campo complejo final (amplitud y fase) en el plano del objeto.

• Innovaciones Clave en Arquitectura y Entrenamiento:

  • ResNet Multiescala: A diferencia de U-Net, esta arquitectura utiliza ramas paralelas en diferentes resoluciones espaciales. Permite tamaños de entrada variables, habilitando el entrenamiento en imágenes pequeñas (por ejemplo, $256 \times 256$) y la inferencia directa en hologramas de tamaño completo (por ejemplo, $2048 \times 2048$) sin parche y ensamblaje.
  • Datos de Entrenamiento Generados por Computadora: El modelo se entrena con datos sintéticos derivados de imágenes naturales (imágenes de flores de Kaggle). La red aprende a realizar la propagación de difracción sobre una distancia específica ($z_2 - z_1$) en lugar de memorizar características de objetos específicos, asegurando una fuerte generalización a través de diversos tipos de muestras.
  • Relleno Consistente con la Física: La DNN se entrena para generar un relleno de holograma que respete la física de la difracción. Esto asegura que las regiones rellenas del holograma estimado ($\tilde{I}_2$) sean consistentes con la entrada ($I_1$), un requisito crítico para que el algoritmo GS funcione correctamente.

3. Contribuciones Clave

1. Enfoque Híbrido IA-Física: YOSO cambia el papel de la IA de "recuperación de fase de caja negra" a "aumento de datos". Al usar la IA solo para generar el segundo cuadro para un algoritmo GS robusto, el método minimiza las "alucinaciones" y aprovecha las garantías físicas del método GS.
2. Arquitectura Eficiente y Escalable: La ResNet Multiescala permite un entrenamiento en menos de 2 horas (27 minutos en hardware de gama alta, 75 minutos en hardware de gama media) en comparación con ~18 horas para los métodos anteriores de U-Net. También elimina la necesidad de procesamiento de parche y ensamblaje.
3. Generalización Superior: El entrenamiento en diversas imágenes naturales permite que el modelo maneje varios tipos de muestras (objetos de fase, objetos absorbentes, tejidos biológicos gruesos) sin reentrenamiento.
4. Compatibilidad 3D: Debido a que el método opera en planos desenfocados y no asume un único plano de objeto, es inherentemente compatible con objetos 3D y permite un posterior reenfocamiento numérico.

4. Resultados Experimentales

El marco se validó mediante simulaciones y experimentos en diversos sistemas (DIHM sin lentes y basada en lentes) y muestras:

• Simulación: YOSO suprimió eficazmente los artefactos de la imagen gemela, logrando una calidad de reconstrucción de fase comparable a la de GS estándar utilizando dos cuadros capturados físicamente (RMSE = 0.022 rad, SSIM = 0.529).
• Objetivo de Prueba de Fase: YOSO recuperó con éxito retardos de fase cuantitativos (0.66 rad) y superó a GS estándar en la recuperación de baja frecuencia, probablemente debido a la eliminación de errores de alineación asociados con la adquisición física multi-altura.
• Células de Mejilla Humana (Sin Lentes):
  • Demostró escalabilidad: Un modelo entrenado en parches de $256 \times 256$ reconstruyó con éxito hologramas completos de $2048 \times 2048$ con alta fidelidad.
  • Demostró relleno consciente de la difracción: El relleno generado por la IA extendió las franjas de Gabor de manera natural, a diferencia del relleno con ceros.
• Corte de Cerebro de Ratón (Muestra Gruesa): Imágenes con éxito de un corte de tejido grueso y no disperso en longitudes de onda cercanas al UV ($\lambda = 0.405 \mu m$). Resolvió claramente estructuras anatómicas (hipocampo, corteza, etc.) y separó la fase de las variaciones de amplitud, demostrando aplicabilidad a muestras biológicas complejas y gruesas.
• Espermatozoides Humanos (Basado en Lentes, Dinámico): Aplicado a un sistema basado en lentes de alta velocidad (90 fps). YOSO reconstruyó con éxito células de espermatozoides suspendidos en 3D y permitió el reeenfocamiento numérico de células fuera de foco, demostrando potencial para el seguimiento 4D y la tomografía holográfica.

5. Significado e Impacto

• Velocidad y Simplicidad: YOSO permite imágenes de fase de alta calidad y libres de imagen gemela desde un único disparo, haciéndolo adecuado para procesos dinámicos y aplicaciones de alto rendimiento donde la adquisición multi-cuadro es imposible.
• Robustez: Al desacoplar la IA de la salida final de fase y depender del algoritmo GS, el método es más robusto contra artefactos y errores de alineación.
• Accesibilidad: El uso de datos generados por computadora y una arquitectura de entrenamiento rápido reduce la barrera de entrada para implementar la recuperación de fase avanzada, eliminando la necesidad de una recolección laboriosa de datos de verdad fundamental.
• Código Abierto: Los autores han hecho disponible públicamente el software, los modelos entrenados y los datos, fomentando la adopción comunitaria y el desarrollo adicional en la imagen computacional.

En conclusión, YOSO representa un avance significativo en DIHM al fusionar efectivamente el poder de generalización del aprendizaje profundo con el rigor físico del algoritmo Gerchberg-Saxton, resolviendo el problema de la imagen gemela en la adquisición de un solo cuadro mientras mantiene la compatibilidad con muestras 3D y el procesamiento posterior numérico.