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

1. Enunciato del Problema

La Microscopia Olografica Digitale In-Line (DIHM) è una tecnica di imaging compatta, senza lenti (o basata su lenti) che recupera informazioni di fase da pattern di intensità fuori fuoco. Tuttavia, affronta sfide significative:

• L'Effetto Immagine Gemella: La DIHM su singolo fotogramma soffre della sovrapposizione dell'immagine reale e di un'immagine coniugata (gemella), degradando la qualità della ricostruzione.
• Limitazione del Singolo Fotogramma: Il recupero della fase di alta qualità tradizionale (ad esempio, utilizzando l'algoritmo Gerchberg-Saxton (GS)) richiede l'acquisizione di multiple immagini di intensità a diverse distanze di sfuocatura (multi-altezza). Ciò riduce la velocità di acquisizione e aumenta la complessità del sistema.
• Limitazioni dell'Apprendimento Profondo: Gli approcci esistenti basati sull'apprendimento profondo per il recupero della fase su singolo fotogramma soffrono spesso di:
  • Scarsa Generalizzazione: I modelli addestrati su campioni specifici falliscono su altri.
  • Efficienza dell'Addestramento: Architetture come U-Net richiedono lunghi tempi di addestramento (ad esempio, ~18 ore) e spesso necessitano di procedure "patch-and-stitch" (ritaglio e ricucitura) per immagini di grandi dimensioni a causa di vincoli sulla dimensione di input fissa.
  • Codifica Complessa: Alcuni metodi richiedono una codifica di output complessa per campi complessi.
  • Incoerenza Fisica: I metodi di padding standard (zero-padding) utilizzati nell'apprendimento profondo possono creare incoerenze fisiche quando inseriti in algoritmi di ricostruzione basati sulla fisica come GS.

2. Metodologia: Il Framework YOSO

Gli autori propongono YOSO (You Only Shot Once), un framework ibrido che combina l'apprendimento profondo supervisionato con algoritmi classici basati sulla fisica.

• Concetto Chiave: Invece di utilizzare una rete neurale (DNN) per produrre direttamente la fase finale, YOSO utilizza una DNN per generare numericamente un secondo ologramma ($\tilde{I}_2$) corrispondente a una diversa distanza di sfuocatura partendo da un singolo ologramma acquisito ($I_1$).

• La Pipeline:

  1. Input: Un singolo ologramma in linea acquisito fisicamente ($I_1$).
  2. Aumento AI: Una Multi-scale ResNet (Rete Neurale Profonda) stima il secondo ologramma ($\tilde{I}_2$) a una diversa distanza di propagazione ($z_2$).
  3. Ricostruzione Basata sulla Fisica: La coppia $(I_1, \tilde{I}_2)$ viene inserita nel classico algoritmo Gerchberg-Saxton (GS). L'algoritmo GS propaga iterativamente il campo d'onda tra i due piani, imponendo vincoli di intensità, per recuperare l'onda oggetto complessa.
  4. Output: Il campo complesso finale (ampiezza e fase) sul piano dell'oggetto.

• Innovazioni Chiave Architetturali e di Addestramento:

  • Multi-scale ResNet: A differenza di U-Net, questa architettura utilizza rami paralleli a diverse risoluzioni spaziali. Permette dimensioni di input variabili, consentendo l'addestramento su immagini piccole (ad esempio, $256 \times 256$) e l'inferenza diretta su ologrammi a dimensione intera (ad esempio, $2048 \times 2048$) senza patch-and-stitching.
  • Dati di Addestramento Generati al Computer: Il modello è addestrato su dati sintetici derivati da immagini naturali (immagini di fiori da Kaggle). La rete impara a eseguire la propagazione della diffrazione su una distanza specifica ($z_2 - z_1$) piuttosto che memorizzare caratteristiche di oggetti specifici, garantendo una forte generalizzazione attraverso diversi tipi di campioni.
  • Padding Coerente con la Fisica: La DNN è addestrata per generare un padding dell'ologramma che rispetti la fisica della diffrazione. Ciò garantisce che le regioni riempite dell'ologramma stimato ($\tilde{I}_2$) siano coerenti con l'input ($I_1$), un requisito critico affinché l'algoritmo GS funzioni correttamente.

3. Contributi Chiave

1. Approccio Ibrido AI-Fisica: YOSO sposta il ruolo dell'IA dal "recupero della fase scatola nera" all'"aumento dei dati". Utilizzando l'IA solo per generare il secondo fotogramma per un algoritmo GS robusto, il metodo minimizza le "allucinazioni" e sfrutta le garanzie fisiche del metodo GS.
2. Architettura Efficiente e Scalabile: La Multi-scale ResNet consente l'addestramento in meno di 2 ore (27 minuti su hardware di fascia alta, 75 minuti su hardware di fascia media) rispetto alle ~18 ore dei precedenti metodi U-Net. Elimina inoltre la necessità di elaborazione patch-and-stitch.
3. Superiore Generalizzazione: L'addestramento su diverse immagini naturali permette al modello di gestire vari tipi di campioni (oggetti di fase, oggetti assorbenti, tessuti biologici spessi) senza riaddestramento.
4. Compatibilità 3D: Poiché il metodo opera su piani fuori fuoco e non assume un singolo piano oggetto, è intrinsecamente compatibile con oggetti 3D e consente un successivo rifocus numerico.

4. Risultati Sperimentali

Il framework è stato validato attraverso simulazioni ed esperimenti su diversi sistemi (DIHM senza lenti e basati su lenti) e campioni:

• Simulazione: YOSO ha soppresso efficacemente gli artefatti dell'immagine gemella, raggiungendo una qualità di ricostruzione della fase comparabile a quella del GS standard che utilizza due fotogrammi acquisiti fisicamente (RMSE = 0.022 rad, SSIM = 0.529).
• Target di Prova di Fase: YOSO ha recuperato con successo ritardi di fase quantitativi (0.66 rad) e ha superato il GS standard nel recupero delle basse frequenze, probabilmente grazie all'eliminazione degli errori di allineamento associati all'acquisizione fisica multi-altezza.
• Cellule della Guancia Umana (Senza Lenti):
  • Ha dimostrato scalabilità: un modello addestrato su patch $256 \times 256$ ha ricostruito con successo ologrammi completi $2048 \times 2048$ con alta fedeltà.
  • Ha dimostrato padding consapevole della diffrazione: il padding generato dall'IA ha esteso naturalmente le frange di Gabor, a differenza dello zero-padding.
• Fetta di Cervello di Topo (Campioni Spessi): Ha imaging con successo una fetta di tessuto spesso e non sparso a lunghezze d'onda vicino all'UV ($\lambda = 0.405 \mu m$). Ha risolto chiaramente strutture anatomiche (ippocampo, corteccia, ecc.) e separato la fase dalle variazioni di ampiezza, dimostrando l'applicabilità a campioni biologici complessi e spessi.
• Spermatozoi Umani (Basato su Lenti, Dinamico): Applicato a un sistema basato su lenti ad alta velocità (90 fps). YOSO ha ricostruito con successo spermatozoi sospesi 3D e ha consentito il rifocus numerico di cellule fuori fuoco, dimostrando il potenziale per il tracciamento 4D e la tomografia olografica.

5. Significato e Impatto

• Velocità e Semplicità: YOSO consente l'imaging di fase di alta qualità, privo di immagini gemelle, da un singolo scatto, rendendolo adatto a processi dinamici e applicazioni ad alto throughput dove l'acquisizione multi-fotogramma è impossibile.
• Robustezza: Disaccoppiando l'IA dall'output finale della fase e affidandosi all'algoritmo GS, il metodo è più robusto contro artefatti ed errori di allineamento.
• Accessibilità: L'uso di dati generati al computer e di un'architettura ad addestramento rapido abbassa la barriera all'ingresso per l'implementazione di recupero della fase avanzato, eliminando la necessità di una laboriosa raccolta di dati ground-truth.
• Open Source: Gli autori hanno reso pubblicamente disponibili il software, i modelli addestrati e i dati, favorendo l'adozione da parte della comunità e lo sviluppo ulteriore nell'imaging computazionale.

In conclusione, YOSO rappresenta un avanzamento significativo nella DIHM fondendo efficacemente il potere di generalizzazione dell'apprendimento profondo con il rigore fisico dell'algoritmo Gerchberg-Saxton, risolvendo il problema dell'immagine gemella nell'acquisizione su singolo fotogramma mantenendo al contempo la compatibilità con campioni 3D e l'elaborazione post-numerica.