Тонкопленочные режекторные фильтры как платформы для обработки биологических изображений

Научные отчеты, том 13, Номер статьи: 4494 (2023) Цитировать эту статью

793 Доступа

1 Цитаты

Подробности о метриках

Многие операции обработки изображений включают в себя модификацию пространственно-частотного содержания изображений. Здесь мы демонстрируем пространственную частотную фильтрацию в плоскости объекта с использованием угловой чувствительности коммерческого спектрального полосового фильтра. Показано, что этот подход к полностью оптической обработке изображений позволяет генерировать в реальном времени псевдо-3D-изображения прозрачных биологических и других образцов, таких как клетки рака шейки матки человека. Эта работа демонстрирует потенциал нелокальных, неинтерферометрических подходов к обработке изображений для использования в визуализации биологических клеток без меток и динамическом мониторинге.

Прозрачные объекты, включая большинство биологических клеток, слабо взаимодействуют со светом, что приводит к небольшому контрасту в традиционной микроскопии светлого поля. Однако пространственные изменения их морфологии и оптических свойств приводят к локальным фазовым изменениям проходящего через них света. В простейшем случае это можно охарактеризовать функцией пропускания \(O(x,y) \approx O_0 e^{i\varphi (x,y)}\). Примерно пространственно-инвариантная амплитуда \(O_0\) создает безликое изображение интенсивности \(|O(x, y)|^2 = |O_0|^2\), тогда как информация о форме и показателе преломления содержится в фазовой функции \ (\varphi (x,y)\). Такие изменения фазы не могут быть непосредственно обнаружены обычными камерами и поэтому требуют косвенного обнаружения. Популярные методы оптической фазовой визуализации включают шлирен-визуализацию1, а также фазовый контраст Цернике2, темное поле3 и дифференциально-интерференционную контрастную микроскопию4. Однако для этого могут потребоваться дорогостоящие компоненты или доступ к плоскости Фурье, что увеличивает сложность и размер системы. Цифровые методы включают в себя птихографию5,6,7, использование уравнения переноса интенсивности8,9,10 или алгоритмов восстановления фазы, таких как алгоритмы Герхберга-Сакстона11 и Фьенупа12. Однако их возможности могут быть ограничены обширными вычислительными требованиями.

Полностью оптическая обработка изображений в объектной плоскости предлагает неинтерферометрическую и компактную альтернативу фазовой визуализации. Это становится возможным благодаря двумерным пространственно-инвариантным линейным оптическим системам, таким как тонкие пленки13,14, с угловой чувствительностью, которая напрямую фильтрует пространственную частоту волновых полей15. В отличие от обычных вычислительных или полностью оптических методов, использующих классическую \(4f\)-конфигурацию16, он позволяет избежать потерь оптической фазы, энергозатратной постобработки и громоздких конфигураций, связанных с доступом к плоскостям Фурье. Важность компактных оптических систем для полностью оптической обработки изображений в плоскости объекта обусловлена ​​возможностью интеграции в портативные устройства. Это может иметь такие разнообразные применения, как мобильная диагностика, мониторинг окружающей среды и дистанционное зондирование.

Чтобы объяснить, как устройство, демонстрирующее угловую дисперсию, может выполнять обработку изображений, мы для простоты игнорируем любые эффекты поляризации. В этом случае влияние объектно-плоскостной фильтрации Фурье на пространственно-частотный спектр поля можно описать оптической передаточной функцией \({\mathscr {H}}(k_x, k_y)\)17. Принимая ось \(z\) в качестве оптической оси, \(k_{x}\) и \(k_{y}\) обозначают поперечные пространственные частотные компоненты волнового вектора \(\vec {k} = (k_x, k_y, k_z)\) и \(k_z = \sqrt{|\vec {k}|^2 - k_x^2 - k_y^2}\). Передаточная функция связывает обработанный вывод с входным полем с помощью теоремы о свертке:

где \({\mathscr {F}}\) обозначает преобразование Фурье, \(E\) представляет собой любую компоненту электрического поля и \(\tilde{E}_{\text {in}} = {\mathscr { F}}\left\{ E_{\text {in} } \right\}\). Например, фильтры верхних частот блокируют низкие пространственные частоты, чтобы устранить нерассеянные компоненты поля для обнаружения границ18, что имеет основополагающее значение для сжатия данных19 и машинного зрения20,21. Примечательным подклассом являются линейные оптические передаточные функции, т. е. \({\mathscr {H}} \propto k_x\) или \({\mathscr {H}} \propto k_y\), которые могут вычислять пространственные производные. , с точностью до мультипликативной константы, падающего волнового поля вдоль направления \(x\) или \(y\) соответственно. В результате градиенты фазы могут быть сопоставлены с изменениями интенсивности, что позволяет визуализировать фазу в случае прозрачных образцов13. Влияние поляризации можно учесть в этом подходе, используя двоичный тензор передаточной функции \(2 \times 2\).