📄 radiology and imaging

Image transmission through a multimode fibre in reflection mode with physics-guided deep learning towards ultrathin endoscopy

Este artículo presenta un marco de aprendizaje profundo guiado por la física que combina una matriz de transmisión de intensidad de valores reales reflejada con redes de restauración de imágenes para permitir la recuperación de imágenes en una sola toma y sin recuperación de fase a través de fibras multimodo en modo de reflexión, mejorando significamente la calidad de la imagen y la generalizabilidad para la endoscopia ultra delgada.

Autores originales: Ye, Z., He, F., Zhao, T., Xia, W.

Publicado 2026-08-31

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ye, Z., He, F., Zhao, T., Xia, W.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina intentar ver dentro del cuerpo humano sin realizar una incisión grande. Los médicos han dependido durante mucho tiempo de los endoscopios —tubos flexibles con cámaras— para observar pasajes estrechos como las vías respiratorias o los vasos sanguíneos. Sin embargo, obtener una imagen clara a través de un tubo que sea increíblemente delgado y flexible es un gran desafío de ingeniería. Los endoscopios delgados tradicionales suelen utilizar haces de miles de diminutos filamentos de vidrio, pero estos solo pueden producir imágenes con una textura similar a un panal de abejas y una nitidez limitada. Una alternativa más prometedora es un solo hilo ultra delgado de vidrio llamado fibra multimodo. Si bien esta fibra es lo suficientemente flexible como para retorcerse y girar a través de las esquinas más difíciles del cuerpo, dispersa la luz de forma tan profunda que, si se proyecta una imagen a través de ella, la luz que sale por el otro lado parece un desorden aleatorio de puntos brillantes. Durante años, los científicos han luchado por descifrar este desorden para recuperar la imagen original, especialmente cuando la fibra se utiliza en modo de "reflexión", donde el mismo hilo envía luz y captura la luz que rebota en el tejido.

Un equipo de investigadores del King's College London ha desarrollado ahora una nueva forma de resolver este rompecabezas, convirtiendo un moteado caótico de luz en una imagen clara en un solo instante. Su enfoque, detallado en un estudio reciente, combina un ingenioso cálculo basado en la física con un tipo de inteligencia artificial diseñada para limpiar imágenes. En lugar de intentar revertir la compleja dispersión de la luz de una sola vez, primero utilizan un mapa matemático para crear un boceto inicial borroso del objeto. Luego, una red informática especializada toma ese boceto y lo refina, rellenando los detalles faltantes y eliminando el ruido. Este proceso de dos pasos les permite ver a través de la fibra sin necesidad de equipos complejos para medir la fase de las ondas de luz, un requisito que ha dificultado la aplicación de métodos anteriores en entornos médicos reales.

Los investigadores construyeron un sistema en el que se envía un haz láser a través de una fibra multimodo de 2 metros de largo con un diámetro de núcleo de 600 micrómetros. En el extremo lejano, la luz golpea un objeto y rebota de regreso por la misma fibra. Debido a que la luz viaja de ida y vuelta, se dispersa dos veces, creando un patrón altamente complejo de puntos brillantes y oscuros en una cámara en el extremo cercano. Para dar sentido a esto, el equipo realizó primero un proceso de calibración. Proyectaron una serie de patrones conocidos sobre un espejo digital en la punta de la fibra y registraron cómo se dispersaba la luz en su camino de regreso. A partir de estas mediciones, construyeron una "matriz de transmisión de intensidad de valores reales reflejados". En términos sencillos, esto es una enorme tabla de consulta que predice cómo debería verse un patrón borroso y disperso para cualquier objeto dado, basándose puramente en la intensidad de la luz, sin necesidad de conocer la fase invisible de las ondas de luz.

Utilizando esta tabla de consulta, el sistema puede generar instantáneamente un primer intento de la imagen a partir de una sola captura de la luz dispersa. Esta imagen inicial no es perfecta; a menudo es granulosa y de bajo contraste, pero captura la forma básica y la disposición del objeto. Los investigadores luego introdujeron esta imagen tosca en cuatro tipos diferentes de redes de aprendizaje profundo, que son programas informáticos entrenados para reconocer y restaurar detalles visuales. Estas redes actúan como un editor digital, tomando el punto de partida granuloso y agudizando los bordes, aumentando el contraste y eliminando los puntos aleatorios para revelar una imagen clara. El equipo probó este método con tres conjuntos diferentes de imágenes: dígitos escritos a mano, fotos de ropa y escenas naturales. En todos los casos, la combinación de la tabla de consulta basada en la física y el limpiador de IA produjo resultados significativamente mejores que intentar que la IA adivinara la imagen a partir de la luz dispersa bruta por sí sola.

La verdadera prueba de este método llegó cuando los investigadores se preguntaron si podría manejar imágenes que nunca había visto. Entrenaron sus redes de IA utilizando solo imágenes de ropa, pero luego les pidieron que reconstruyeran imágenes de escenas naturales, como animales y paisajes, que se ven muy diferentes a la ropa. Cuando la IA intentaba hacer esto por su cuenta, sin la ayuda de la tabla de consulta basada en la física, los resultados eran pobres; el sistema no reconocía las nuevas formas y producía manchas borrosas e irreconocibles. Sin embargo, cuando la IA recibía primero el boceto tosco de la tabla de consulta, funcionaba notablemente bien. Logró reconstruir las escenas naturales, preservando la estructura de los objetos a pesar de no haber sido entrenada para ellos. Esto sugiere que el paso basado en la física proporciona una base sólida que ayuda a la IA a generalizar ante nuevas situaciones, en lugar de simplemente memorizar ejemplos específicos.

Para demostrar que el sistema funciona en el mundo real, los investigadores colocaron objetos físicos reales en la punta de la fibra, incluyendo una rejilla de ventilación metálica, una aguja de coser y una letra impresa. Estos objetos no formaban parte de ningún dato de entrenamiento. El sistema capturó la luz que rebotaba en estos elementos y, utilizando el mismo proceso de calibración e IA, reconstruyó imágenes claras de los agujeros de la rejilla, el eje de la aguja y los trazos de la letra. Los resultados fueron lo suficientemente nítidos como para distinguir detalles finos, demostrando que el método puede ir más allá de las simulaciones por computadora y manejar la naturaleza impredecible de la dispersión de la luz en el mundo real. Los investigadores señalaron que, aunque el sistema está actualmente limitado por la necesidad de recalibrarse si la fibra se dobla significamente o si cambia la temperatura, la capacidad de generar una imagen clara a partir de una sola captura sin mediciones de fase es un gran avance.

Este trabajo ofrece un camino prometedor hacia la endoscopia ultra delgada, donde una sonda tan fina como un cabello podría guiarse hacia las partes más profundas y estrechas del cuerpo para proporcionar imágenes de alta resolución en tiempo real. Al separar el problema en un primer paso guiado por la física y un segundo paso de limpieza basado en datos, los investigadores han creado un sistema que es tanto robusto como adaptable. No requiere los complejos montajes de interferometría que han obstaculizado intentos anteriores de imagen en modo de reflexión, lo que lo hace más práctico para el uso clínico. Los hallazgos sugieren que, al combinar la predictibilidad de la física con la adaptabilidad de la inteligencia artificial, los científicos pueden desbloquear el potencial de los endoscopios de fibra única, permitiendo potencialmente que los médicos vean dentro del cuerpo con un nivel de detalle y flexibilidad que antes era imposible.

Resumen Técnico: Transmisión de Imágenes a través de una Fibra Multimodo en Modo de Reflexión mediante Aprendizaje Profundo Guiado por la Física

Planteamiento del Problema
La endoscopia ultradelgada es crítica para la obtención de imágenes en regiones anatómicas estrechas y de difícil acceso (por ejemplo, conductos pancreaticobiliares, regiones cerebrales profundas). Si bien las fibras multimodo (MMF) individuales ofrecen una alternativa convincente a los haces de fibras coherentes debido a su pequeño diámetro, flexibilidad y alta resolución espacial, sufren de un acoplamiento de modos y dispersión severos. Esto desordena la luz de entrada en un patrón de motas (speckle) aleatorio, lo que requiere una reconstrucción computacional.

Aunque se ha explorado la obtención de imágenes en modo de transmisión (donde el objeto está más allá del extremo de la fibra), la obtención de imágenes en modo de reflexión es más práctica para la endoscopia clínica donde el extremo distal es inaccesible. En este modo, una única MMF entrega la iluminación y recolecta la luz retrodispersada. Sin embargo, la reconstrucción es significamente más desafiante debido a:

Propagación de doble paso: La luz atraviesa la fibra dos veces, lo que potencia el acoplamiento de modos y la dispersión.
Señales débiles: La señal retrodispersada es inherentemente débil.
Pérdida de fase: Las cámaras registran solo la intensidad, careciendo de la información de fase necesaria para los métodos tradicionales de conjugación de fase.
Límites de generalización: Los enfoques de aprendizaje profundo existentes a menudo requieren conjuntos de datos grandes y representativos, y tienen dificultades para generalizarse a tipos de imágenes o objetos físicos no vistos fuera de la distribución de entrenamiento.

Metodología
Los autores proponen un marco de obtención de imágenes de reflexión de disparo único que desacopla la inversión óptica de la restauración de la imagen utilizando un enfoque de aprendizaje profundo híbrido guiado por la física.

Sistema Óptico:
- Un láser de onda continua de 532 nm ilumina la cara proximal de una MMF de índice escalonado (núcleo de 600 µm, 2 m de longitud).
- En el extremo distal, una lente proyecta la salida sobre un Dispositivo de Microespejos Digitales (DMD) para la generación controlada de patrones o sobre objetos físicos.
- La luz retrodispersada viaja de regreso a través de la misma MMF, se separa de la trayectoria de iluminación y se registra como un patrón de intensidad de motas (speckle) en una cámara CMOS.
Matriz de Transmisión de Valores Reales Reflejados (Reflected-RVITM):
- En lugar de medir campos complejos (que requerirían interferometría), el sistema calibra un mapeo de solo intensidad.
- El canal óptico de doble paso se aproxima como una relación lineal de intensidad a intensidad: $s = R_{ref} p + n$ , donde $s$ es la intensidad de las motas medida, $p$ es la reflectancia de la intensidad objetivo y $R_{ref}$ es la matriz Reflected-RVITM.
- Calibración: $R_{ref}$ se recupera utilizando patrones de Hadamard mostrados en el DMD. Al medir las respuestas a patrones binarios complementarios y restar una referencia, la matriz se resuelve mediante relaciones de ortogonalidad. Esto no requiere recuperación de fase.
Pipeline de Reconstrucción Híbrido:
- Paso 1 (Reconstrucción Inicial Guiada por la Física): Para un objetivo desconocido, la mota bruta $s$ se invierte usando la pseudoinversa de la matriz calibrada ( $\hat{o}_{RVITM} = R_{ref}^+ s$ ). Esto produce una imagen inicial tosca, guiada por la física, que contiene la estructura espacial del objetivo pero está corrompida por artefactos de motas.
- Paso 2 (Restauración Basada en Datos): Una red de aprendizaje profundo toma $\hat{o}_{RVITM}$ como entrada y lo refina para producir la imagen final. La red tiene la tarea de suprimir los artefactos residuales y mejorar los detalles, en lugar de aprender todo el mapeo complejo de motas a imagen desde cero.
Arquitecturas de Red:
Se evaluaron cuatro estructuras de restauración:
- CICPNet: U-Net de atención convolucional.
- HPM-Attention-UNet: U-Net de atención multiescala paralela jerárquica.
- GAM: U-Net residual con atención global.
- MambaIRv2: Modelo de espacio de estados con atención local.
Protocolo Experimental:
- Conjuntos de Datos: MNIST, Fashion-MNIST y CIFAR (redimensionados a 32×32).
- Estrategias: Se comparó "Híbrido" (RVITM + Red) frente a "Aprendizaje Directo" (Red mapeando motas brutas a imagen).
- Configuraciones: Conjunto coincidente (entrenamiento/prueba sobre los mismos datos) y Conjunto cruzado (entrenamiento en Fashion-MNIST, prueba en CIFAR) para evaluar el desplazamiento de dominio.
- Validación Física: Probado en objetos físicos no vistos (rejilla metálica, aguja, letra impresa) en el extremo distal sin recalibración.

Contribuciones Clave

Marco Reflected-RVITM: Extensión del concepto de matriz de transmisión de solo intensidad a la obtención de imágenes de MMF en modo de reflexión, permitiendo la calibración sin interferometría ni recuperación de fase.
Arquitectura Desacoplada: Un pipeline novedoso que separa la inversión basada en la física (RVITM) de la restauración basada en datos (Aprendizaje Profundo). Esto desplaza la carga de aprendizaje del complejo dominio de las motas al más intuitivo dominio de la imagen.
Robustez al Desplazamiento de Dominio: Demostración de que los modelos híbridos mantienen el rendimiento cuando se entrenan en un conjunto de datos (Fashion-MNIST) y se prueban en un dominio completamente diferente (CIFAR), mientras que los modelos de aprendizaje directo fallan significativamente.
Generalización a Objetos Físicos: Reconstrucción exitosa de objetos físicos reales (rejilla, aguja, letra) utilizando solo patrones digitales, sin necesidad de ajuste fino específico del objetivo.

Resultos

Conjuntos de Datos Coincidentes: Los modelos híbridos superaron consistentemente a las líneas base de aprendizaje directo.
- Ejemplo: En MNIST, HPM-Attention-UNet mejoró el Coeficiente de Correlación de Pearson (PCC) medio de 0.572 (directo) a 0.944 (híbrido), un aumento del +65.1%.
- Incluso para estructuras fuertes donde el aprendizaje directo funcionaba bien, el enfoque híbrido proporcionó mejoras estadísticamente significativas.
Generalización de Conjunto de Datos Cruzado:
- El aprendizaje directo sufrió una penalización severa por desplazamiento de dominio al pasar de Fashion-MNIST a CIFAR (el PCC cayó de ~0.83–0.91 a 0.36–0.50).
- Los modelos híbridos fueron sustancialmente más robustos, manteniendo un PCC en el rango de 0.61–0.65 en escenas de CIFAR no vistas.
- Cualitativamente, los modelos directos producían texturas de prendas en escenas naturales, mientras que los modelos híbridos preservaban la disposición espacial tosca de los objetos.
Obtención de Imágenes de Objetos Reales:
- Los modelos híbridos reconstruyeron con éxito objetos físicos (rejilla, aguja, letra) con valores de PCC alrededor de 0.70–0.77, mientras que los modelos de aprendizaje directo a menudo producían correlaciones cercanas a cero o negativas.
- La reconstrucción inicial de RVITM proporcionó la alineación estructural necesaria, la cual la red refinó.

Significado y Reivindicaciones
El artículo afirma que combinar un prior físico de Reflected-RVITM con una red de restauración en el dominio de la imagen ofrece una ruta práctica y libre de recuperación de fase para la endoscopia de MMF en modo de reflexión.

Generalizabilidad: La ventaja principal no es necesariamente un aumento marginal en el rendimiento dentro de la distribución, sino una mejora sustancial en la robustez ante desplazamientos de dominio y la transferencia a objetos físicos. Al proporcionar una reconstrucción inicial guiada por la física, la red se libera de la tarea de aprender el mapeo inverso óptico completo, reduciendo su dependencia de las estadísticas específicas de la imagen de entrenamiento.
Practicidad: El método requiere únicamente calibración de solo intensidad (sin interferometría), lo que lo hace más factible para la traslación clínica donde la estabilidad de fase es difícil de mantener.
Modularidad: El marco permite la integración de diversas estructuras de restauración y posibles mejoras futuras (como el entrenamiento tolerante a perturbaciones) sin alterar el front-end principal guiado por la física.

Los autores concluyen que este enfoque permite la recuperación de imágenes de disparo único y representa un paso hacia la endoscopia de fibra única in vivo y mínimamente invasiva, aunque reconocen limitaciones respecto a la estabilidad de la calibración bajo la flexión de la fibra y la necesidad de avances adicionales en resolución y velocidad para el despliegue clínico.

Más como este