TF-UNet: Resolving Complex Speckles for Single-Shot Reconstruction of 512^2-Matrix Images Using a Micron-Sized Optical Fiber

Sintesi Tecnica: TF-UNet per la ricostruzione single-shot di immagini 512×512 tramite fibre ottiche rastremate di dimensioni micrometriche

Problematica
Le fibre ottiche rastremate (TF), che riducono il proprio diametro da centinaia di micron a scala micrometrica, offrono vantaggi significativi per l'imaging biologico minimamente invasivo, l'optogenetica e il biosensing rispetto alle convenzionali fibre piatte (FF) o alle ingombranti lenti GRIN. Tuttavia, la geometria axialmente variabile delle TF induce un accoppiamento intermodale complesso, in cui le costanti di propagazione di diverse modalità cambiano lungo la lunghezza della fibra. Ciò produce pattern di speckle spazio-varianti che distorcono la relazione input-output. A differenza delle FF, dove la mappatura è relativamente stazionaria, le TF esibiscono dipendenze non locali e cross-scale che degradano le prestazioni dei metodi esistenti di ricostruzione d'immagine. Gli attuali approcci di deep learning, come gli standard U-Net, spesso non riescono a catturare efficacemente queste mappature spazio-varianti, mentre i modelli basati sull'attenzione (ad esempio, i Transformer) affrontano costi computazionali proibitivi ad alte risoluzioni (512×512). Inoltre, molti metodi esistenti si affidano a dataset estesi o benchmark semplificati che non riflettono i vincoli fisici dell'imaging TF.

Metodologia: Architettura TF-UNet
Per affrontare queste sfide, gli autori propongono TF-UNet, un'architettura di deep learning ispirata alla fisica, progettata specificamente per la decodifica dello speckle spazio-variante delle TF. L'innovazione principale risiede nell'integrazione di un modulo di fusione MLP raggruppata gerarchica nelle connessioni skip della standard U-Net.

• Design ispirato alla fisica: Riconoscendo che l'accoppiamento intermodale nelle TF crea dipendenze non locali, gli autori integrano MLP raggruppati (grouped Multi-Layer Perceptrons) nei percorsi di skip. Questi MLP eseguono un mixing di ordine superiore, cross-canale e cross-spaziale, consentendo alla rete di catturare caratteristiche legate alla geometria da molteplici scale dell'encoder prima di fonderle nel decoder.
• Efficienza: Il design a MLP raggruppato riduce la complessità computazionale da $O(CN^2)$ (per canale) a circa $O(GN^2)$, dove $G$ è il numero di gruppi e $N$ è la dimensione spaziale. Ciò consente la ricostruzione ad alta risoluzione (512×512) con una complessità quadratica anziché i costi cubici o superiori associati ai meccanismi di piena attenzione.
• Regolarizzazione dell'ortogonalità: Per promuovere il disaccoppiamento modale coerente con la separazione fisica delle modalità, viene applicata una perdita di ortogonalità alle caratteristiche più profonde dell'encoder. Questo incoraggia l'indipendenza statistica tra i canali, allineando le rappresentazioni apprese con la separazione fisica delle modalità necessaria per un'inversione accurata.
• Protocollo di addestramento: Il modello è addestrato su coppie maschera-speckle binarie basate solo sull'intensità, derivate da immagini naturali (ImageNet) e dataset biologici. La funzione di perdita combina l'Errore Quadratico Medio (MSE) con il regolarizzatore di ortogonalità.

Configurazione Sperimentale e Dataset
Lo studio utilizza una configurazione sperimentale personalizzata che comprende un laser a onda continua da 532 nm, un Dispositivo a Micro-specchi Digitali (DMD) per la generazione di pattern e una fibra ottica rastremata con punta da 5 µm (NA = 0,39, lunghezza attiva = 2,5 mm).

• Dataset Primario: 13.440 coppie maschera-speckle (6.720 per TF e 6.720 per FF) generate da immagini naturali, suddivise in set di training/validation/test con rapporto 8:1:1.
• Validazione Biologica: Per testare la generalizzabilità oltre le maschere sintetiche, gli autori hanno validato il modello su due specifici dataset biologici:
  1. Dati Neuronali: 4.440 frame di imaging del calcio della corteccia profonda (64 livelli di grigio).
  2. Dati Vascolari: 4.000 immagini binarizzate di vascolarizzazione cerebrale di roditore derivate da stack di microscopia a due fotoni.

Risultati Chiave
Le prestazioni di TF-UNet sono state messe a confronto con cinque architetture allo stato dell'arte (UNet, R2-UNet, TransUNet, VQVAE2 e MSMDFNet) attraverso molteplici metriche (PSNR, SSIM, MS-SSIM, LPIPS e Correlazione di Pearson).

• Prestazioni Quantitative sulle TF: TF-UNet ha ottenuto la più alta Similarità Strutturale (SSIM: 0,24) e Multi-Scale SSIM (0,32), superando tutti i baseline. Si è classificata al primo posto insieme a TransUNet per la Correlazione di Pearson (0,50), mantenendo al contempo valori competitivi di PSNR (9,17 dB) e LPIPS (0,64). Notevolmente, ha ottenuto questi risultati con un consumo di memoria e un costo computazionale significativamente inferiori rispetto a TransUNet, che fatica con la risoluzione 512×512 a causa della complessità quadratica dell'attenzione.
• Validazione Biologica:
  • Imaging Neuronale: TF-UNet ha ricostruito con successo morfologie neuronali continue (~15 µm di risoluzione) da dati di imaging del calcio, mentre i baseline UNet producevano strutture frammentate. Le tracce temporali ricostruite hanno mostrato un'alta concordanza con la ground truth (correlazione di Pearson di 0,81 per le tracce $\Delta F/F_0$), consentendo una definizione affidabile della regione di interesse (ROI).
  • Imaging Vascolare: Il modello ha risolto sottili reti vascolari su scala di decine di micrometri, dimostrando la trasferibilità della mappatura inversa appresa a morfologie biologiche strutturate.
• Analisi della Copertura di Fotoni: Lo studio ha rivelato una relazione non monotona tra la copertura di fotoni e la qualità percettiva. Le metriche percettive (SSIM, LPIPS) sono calate a circa il 70% di copertura a causa del forte accoppiamento non adiabatico nell'anello dell'annulus a raggio intermedio, suggerendo che strategie di acquisizione spazialmente adattive potrebbero ottimizzare ulteriormente le prestazioni.

Significatività e Rivendicazioni
Il documento afferma che TF-UNet offre una soluzione robusta per la ricostruzione d'immagine single-shot senza scansione attraverso fibre ottiche di dimensioni micrometriche, una capacità precedentemente limitata dalla complessità dell'accoppiamento intermodale nelle geometrie rastremate.

• Interpretabilità Fisica: Incorporando la fusione ispirata alla fisica (grouped-MLP) e la regolarizzazione (ortogonalità) direttamente nell'architettura della rete, il metodo gestisce efficacemente la natura spazio-variante delle TF senza richiedere dataset massicci o calibrazioni complesse.
• Capacità ad Alta Risoluzione: L'approccio consente la ricostruzione su una matrice 512×512 utilizzando una fibra con un diametro della punta di soli 5 µm, un salto significativo rispetto ai metodi precedenti che erano tipicamente limitati a risoluzioni inferiori (ad esempio, da 28×28 a 120×120) o nuclei di fibra più grandi.
• Potenziale Biomedico: La ricostruzione riuscita della dinamica del calcio neuronale e delle strutture vascolari valida il framework per l'imaging cerebrale profondo, cronico e minimamente invasivo. Gli autori sottolineano che il metodo elimina la necessità di scansione attiva o shaping del fronte d'onda, riducendo la complessità del sistema e la richiesta di potenza, aspetti critici per applicazioni impiantabili a lungo termine.

Gli autori concludono che, sebbene l'attuale lavoro sia limitato a misurazioni di intensità monocromatiche, il co-design di moduli neurali con principi di propagazione ottica fornisce un framework trasferibile per risolvere problemi inversi spazio-varianti in ottica computazionale, con potenziali applicazioni che si estendono all'astronomia, al telerilevamento e all'ispezione industriale.