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

1. Declaração do Problema

Microscopia Holográfica Digital In-Line (DIHM) é uma técnica de imageamento compacta, sem lentes (ou baseada em lentes) que recupera informações de fase a partir de padrões de intensidade desfocados. No entanto, enfrenta desafios significativos:

• O Efeito da Imagem Gêmea: A DIHM de quadro único sofre com a sobreposição da imagem real e de uma imagem conjugada (gêmea), degradando a qualidade da reconstrução.
• Limitação de Quadro Único: A recuperação de fase de alta qualidade tradicional (por exemplo, usando o algoritmo Gerchberg-Saxton (GS)) requer a captura de múltiplas imagens de intensidade em diferentes distâncias de desfoque (multi-altura). Isso reduz a velocidade de aquisição e aumenta a complexidade do sistema.
• Limitações de Aprendizado Profundo: Abordagens existentes de aprendizado profundo para recuperação de fase de quadro único frequentemente sofrem de:
  • Má Generalização: Modelos treinados em amostras específicas falham em outras.
  • Eficiência de Treinamento: Arquiteturas como U-Net exigem longos tempos de treinamento (por exemplo, ~18 horas) e frequentemente necessitam de procedimentos de "recorte e costura" (patch-and-stitch) para imagens grandes devido a restrições de tamanho de entrada fixo.
  • Codificação Complexa: Alguns métodos exigem codificação de saída complexa para campos complexos.
  • Inconsistência Física: Métodos de preenchimento padrão (zero-padding) usados em aprendizado profundo podem criar inconsistências físicas quando alimentados em algoritmos de reconstrução baseados em física, como o GS.

2. Metodologia: O Framework YOSO

Os autores propõem o YOSO (You Only Shot Once), um framework híbrido que combina aprendizado profundo supervisionado com algoritmos clássicos baseados em física.

• Conceito Central: Em vez de usar uma rede neural (DNN) para outputar diretamente a fase final, o YOSO usa uma DNN para gerar numericamente um segundo holograma ($\tilde{I}_2$) correspondente a uma distância de desfoque diferente a partir de um único holograma capturado ($I_1$).

• O Pipeline:

  1. Entrada: Um único holograma in-line fisicamente capturado ($I_1$).
  2. Aumento por IA: Uma ResNet Multi-escala (Rede Neural Profunda) estima o segundo holograma ($\tilde{I}_2$) em uma distância de propagação diferente ($z_2$).
  3. Reconstrução Baseada em Física: O par $(I_1, \tilde{I}_2)$ é alimentado no algoritmo padrão Gerchberg-Saxton (GS). O algoritmo GS propaga iterativamente o campo de onda entre os dois planos, impondo restrições de intensidade, para recuperar a onda complexa do objeto.
  4. Saída: O campo complexo final (amplitude e fase) no plano do objeto.

• Inovações Arquiteturais e de Treinamento Chave:

  • ResNet Multi-escala: Diferente da U-Net, esta arquitetura usa ramos paralelos em diferentes resoluções espaciais. Permite tamanhos de entrada variáveis, possibilitando treinamento em imagens pequenas (por exemplo, $256 \times 256$) e inferência direta em hologramas de tamanho completo (por exemplo, $2048 \times 2048$) sem recorte e costura.
  • Dados de Treinamento Gerados por Computador: O modelo é treinado em dados sintéticos derivados de imagens naturais (imagens de flores do Kaggle). A rede aprende a realizar propagação de difração sobre uma distância específica ($z_2 - z_1$) em vez de memorizar características de objetos específicos, garantindo forte generalização através de diversos tipos de amostras.
  • Preenchimento Consistente com Física: A DNN é treinada para gerar preenchimento de holograma que respeita a física da difração. Isso garante que as regiões preenchidas do holograma estimado ($\tilde{I}_2$) sejam consistentes com a entrada ($I_1$), um requisito crítico para o algoritmo GS funcionar corretamente.

3. Contribuições Principais

1. Abordagem Híbrida IA-Física: O YOSO altera o papel da IA de "recuperação de fase caixa-preta" para "aumento de dados". Ao usar a IA apenas para gerar o segundo quadro para um algoritmo GS robusto, o método minimiza "alucinações" e aproveita as garantias físicas do método GS.
2. Arquitetura Eficiente e Escalável: A ResNet Multi-escala permite treinamento em menos de 2 horas (27 minutos em hardware de ponta, 75 minutos em hardware de médio porte) comparado a ~18 horas para métodos anteriores de U-Net. Também elimina a necessidade de processamento de recorte e costura.
3. Generalização Superior: O treinamento em diversas imagens naturais permite que o modelo lide com vários tipos de amostras (objetos de fase, objetos absorventes, tecidos biológicos espessos) sem retreinamento.
4. Compatibilidade 3D: Como o método opera em planos desfocados e não assume um único plano de objeto, é inerentemente compatível com objetos 3D e permite subsequente refocalização numérica.

4. Resultados Experimentais

O framework foi validado através de simulações e experimentos em diversos sistemas (DIHM sem lentes e baseado em lentes) e amostras:

• Simulação: O YOSO suprimiu efetivamente artefatos de imagem gêmea, alcançando qualidade de reconstrução de fase comparável ao GS padrão usando dois quadros fisicamente capturados (RMSE = 0,022 rad, SSIM = 0,529).
• Alvo de Teste de Fase: O YOSO recuperou com sucesso atrasos de fase quantitativos (0,66 rad) e superou o GS padrão na recuperação de baixa frequência, provavelmente devido à eliminação de erros de alinhamento associados à aquisição física multi-altura.
• Células da Bochecha Humana (Sem Lentes):
  • Demonstrou escalabilidade: Um modelo treinado em patches de $256 \times 256$ reconstruiu com sucesso hologramas completos de $2048 \times 2048$ com alta fidelidade.
  • Demonstrou preenchimento consciente de difração: O preenchimento gerado por IA estendeu as franjas de Gabor naturalmente, ao contrário do zero-padding.
• Fatia de Cérebro de Camundongo (Amostra Espessa): Imagem com sucesso uma fatia de tecido espessa e não esparsa em comprimentos de onda próximos ao UV ($\lambda = 0,405 \mu m$). Resolveu claramente estruturas anatômicas (hipocampo, córtex, etc.) e separou a fase das variações de amplitude, provando aplicabilidade a amostras biológicas complexas e espessas.
• Espermatozoides Humanos (Baseado em Lentes, Dinâmico): Aplicado a um sistema baseado em lentes de alta velocidade (90 fps). O YOSO reconstruiu com sucesso células de espermatozoides suspensas em 3D e permitiu refocalização numérica de células fora de foco, demonstrando potencial para rastreamento 4D e tomografia holográfica.

5. Significado e Impacto

• Velocidade e Simplicidade: O YOSO permite imageamento de fase de alta qualidade, livre de imagem gêmea, a partir de um único disparo, tornando-o adequado para processos dinâmicos e aplicações de alto rendimento onde a aquisição multi-quadro é impossível.
• Robustez: Ao desacoplar a IA da saída final de fase e confiar no algoritmo GS, o método é mais robusto contra artefatos e erros de alinhamento.
• Acessibilidade: O uso de dados gerados por computador e uma arquitetura de treinamento rápido reduz a barreira de entrada para implementar recuperação de fase avançada, removendo a necessidade de coleta laboriosa de dados de verdade absoluta (ground-truth).
• Código Aberto: Os autores disponibilizaram publicamente o software, modelos treinados e dados, fomentando a adoção pela comunidade e o desenvolvimento futuro em imageamento computacional.

Em conclusão, o YOSO representa um avanço significativo na DIHM ao fundir efetivamente o poder de generalização do aprendizado profundo com o rigor físico do algoritmo Gerchberg-Saxton, resolvendo o problema da imagem gêmea na aquisição de quadro único enquanto mantém compatibilidade com amostras 3D e pós-processamento numérico.