Blog

Nov 22, 2023

barrido

Informes científicos volumen 13,

Scientific Reports volumen 13, Número de artículo: 8071 (2023) Citar este artículo

472 Accesos

Detalles de métricas

Se demuestra la obtención de imágenes compresivas de alta resolución a través de una fibra multimodo flexible utilizando una fuente de láser de barrido e iluminación moteada dependiente de la longitud de onda. Se utiliza una fuente de barrido construida internamente que permite el control independiente del ancho de banda y el rango de escaneo para explorar y demostrar un enfoque sin escaneo mecánico para imágenes de alta resolución a través de una sonda de fibra ultrafina y flexible. La reconstrucción de la imagen computacional se muestra utilizando un ancho de banda de barrido estrecho de \(< 10\) nm, mientras que el tiempo de adquisición se reduce en un 95 % en comparación con la endoscopia de barrido de trama convencional. La iluminación de banda estrecha demostrada en el espectro visible es vital para la detección de biomarcadores de fluorescencia en aplicaciones de neuroimagen. El enfoque propuesto brinda simplicidad y flexibilidad al dispositivo para la endoscopia mínimamente invasiva.

En el desarrollo de endoscopios mínimamente invasivos y más pequeños, las fibras ultrafinas juegan un papel vital. Se han propuesto muchas configuraciones de endoscopia basadas en fibras: haces1,2,3, fibras con óptica miniaturizada4,5, fibras multinúcleo (MCF)6,7 y fibras multimodo (MMF)8,9,10,11,12 . MCF o MMF proporcionan imágenes en lugares de difícil acceso mediante la creación de patrones de luz resueltos espacialmente en el extremo distal de la fibra y la recopilación de la señal de la muestra. Por lo general, un haz monocromático se escanea secuencialmente a través de la faceta de entrada de la fibra generando patrones de iluminación independientes en el plano de la muestra. Los patrones iluminan la muestra y la señal se recopila y mide a través de un detector de "cubo". La configuración de un solo píxel permite la exploración de algoritmos de detección de compresión mediante el uso de un conjunto de patrones sub-Nyquist y la reconstrucción computacional de superresolución del objeto13,14,15,16,17,18,19,20.

Sin embargo, el componente crucial en todas esas configuraciones es la necesidad de un dispositivo de modelado de frente de onda o escaneo de luz para crear los patrones de iluminación deseados en la salida de la fibra. Comúnmente, se utilizan espejos galvanométricos17, un modulador de luz espacial (SLM)11,21 o un dispositivo de microespejo digital (DMD)22,23. Choudhury et al. informaron sobre el uso de una fibra monomodo (SMF) para iluminar secuencialmente los núcleos de un MCF, montando el extremo proximal del MCF en un escenario controlado por computadora7. El escaneo de tramas espaciales o la formación de frente de onda espacial tienen muchos inconvenientes, incluida la complejidad de la configuración, la baja velocidad y la inestabilidad mecánica. Aquí exploramos una nueva forma de generar patrones de iluminación dinámicos para imágenes MMF.

La longitud de onda de la luz se puede utilizar como un grado de libertad adicional para controlar el perfil espacial en la salida de la fibra. Diferentes longitudes de onda (frecuencias ópticas) tienen diferentes velocidades mientras se propagan a través de la guía de ondas y, por lo tanto, tienen diferentes retrasos de fase entre los modos guiados del MMF en la salida24,25. Esta propiedad permite patrones de motas únicos dependientes de la longitud de onda en la faceta de salida. Recientemente se ha demostrado la obtención de imágenes de un solo píxel a través de la detección compresiva y la dispersión dependiente de la longitud de onda en la capa \(TiO_{2}\)26. Kubota et al. propusieron un concepto similar utilizando una configuración totalmente de fibra. en27. Sin embargo, no se han informado datos sobre la flexibilidad de la sonda y la solidez de las imágenes. Además, en estos trabajos se utilizó iluminación de infrarrojo cercano (NIR), lo que hace que los sistemas demostrados no sean adecuados para aplicaciones futuras en imágenes fluorescentes, ya que la mayoría de los fluoróforos operan en el rango de longitud de onda visible.

Aquí demostramos una sonda ultradelgada y flexible para imágenes de fibra de alta resolución en el dominio visible utilizando una fuente de láser de barrido hecha a medida y una sonda combinada monomodo-multimodo. Se han visualizado e investigado diferentes muestras. La robustez del enfoque de imagen se probó realizando mediciones de calibración antes de la imagen con movimientos de fibra posteriores que imitan el movimiento endoscópico de la aplicación real. El enfoque propuesto no se basa en ningún sistema de modelado de frente de onda o escaneo de trama espacial y puede proporcionar potencialmente imágenes endoscópicas de súper resolución.

( a ) Esquema de la configuración experimental. Una rejilla de difracción está iluminada por el espectro VIS colimado de un láser supercontinuo. La luz, que se dispersa en longitudes de onda separadas, se acopla a una fibra monomodo, que sirve como un agujero de alfiler que selecciona una sola longitud de onda. La fibra monomodo está conectada al MMF. Los patrones de motas dependientes de la longitud de onda generados en el MMF iluminan la muestra y un detector de balde recopila la respuesta total. ( b ) Longitud de onda en la salida MMF en función del ángulo de rotación de la rejilla: datos experimentales (círculos) y ajuste lineal (línea roja). ( c ) El principio fundamental de la formación de imágenes de fibra compresiva de fuente de barrido. Los patrones de motas dependientes de la longitud de onda "matriz de iluminación" (A) y la señal correspondiente de la muestra (vector b) se miden y se alimentan al algoritmo de imágenes fantasma o a un algoritmo de regularización para encontrar la solución x, que es la imagen de la muestra .

Se construyó una fuente de barrido, basada en un láser supercontinuo (Leukos Rock 400, 4W) y un monocromador hecho a medida que permite acceder a múltiples grados de libertad, como velocidad de escaneo, tamaño de paso, ancho de banda espectral de cada iluminación. patrón y el ancho de banda total. La configuración experimental se presenta en la Fig. 1a. El rango de longitud de onda del infrarrojo cercano de la luz de la bomba se filtró a través de dos filtros de paso bajo (Thorlabs, DMLP900) y un filtro de paso de banda (Thorlabs FESH0750) de modo que solo la luz visible (VIS) en el rango de 400 a 750 nm se transmitió más. El haz se amplió por un factor de 8,33, utilizando dos lentes acromáticas (f = 30 mm y 250 mm). El haz VIS expandido incide en una rejilla reflectante (reglas Thorlabs GR50-1205, 1200 l/mm con resplandor de 500 nm) montada en una etapa rotacional de alta resolución (Physics Instruments V-611.998061, conectada a un controlador PIMag C-891.130300). La platina se puede girar en pasos de \(1~\mu\)rad (equivalentes a 0,000057\(^\circ\)), lo que permite una selección precisa de la longitud de onda. La luz en abanico de primer orden reflejada por la rejilla se enfocó a través de un espejo cóncavo (Thorlabs, CM254-750-E02, f = 750 mm) en la punta de una fibra monomodo (SMF, Thorlabs, P1-460Y- FC-1, diámetro del núcleo \(4~\mu\)m), que actúa como un agujero de alfiler. Según los componentes, la resolución limitada de difracción teórica del monocromador es de 0,02 nm. El estrecho ancho de banda de longitud de onda utilizado para la iluminación conduce a intensidades relativamente bajas de la luz de la bomba. Las fuentes de láser sintonizables de alta potencia podrían usarse para futuras aplicaciones, ya que nuestros experimentos de prueba de principio demuestran que un rango de exploración relativamente pequeño permite obtener imágenes.

La salida SMF se montó sólidamente en una etapa xy 2D opuesta a la faceta de entrada de una fibra multimodo sólidamente montada (MMF, Thorlabs M42L01, diámetro del núcleo 50 \(\mu\)m, longitud: 1 m). La etapa xy permitió variar los parámetros de acoplamiento de luz. Investigamos diferentes posiciones de acoplamiento, desde el centro hasta el borde de la fibra y llegamos a la conclusión de que una posición ligeramente descentrada proporciona los mejores patrones de motas, en términos de distribución homogénea de motas. Los resultados se pueden ver en Supl. Figura S1. La distancia cercana de menos de \(50 \mu\)m entre SMF y MMF asegura que la mayor parte de la luz del SMF se acople al MMF incluso para posiciones descentradas.

Para calibrar el monocromador personalizado, se colocó un espectrómetro (Ocean Insight, OceanHDX, resolución máxima de 0,7 nm) en el extremo distal del SMF. Se tomaron las medidas del espectro de salida en diferentes ángulos de rotación. Los datos se ajustaron linealmente, como se puede ver en la Fig. 1b. Dado que la longitud de onda de salida monocromática está relacionada linealmente con la posición de rotación de la rejilla, una rotación de \(1^\circ\) equivale a un cambio de longitud de onda de alrededor de 27,5 nm. Eso significa que una rotación de \(0.001^\circ\) (que está dentro de los límites de resolución de la etapa de rotación), permite un cambio de longitud de onda de 0.027 nm (que coincide con la resolución del monocromador) y similar a la resolución lograda por Redding et al. usando una fibra MM para espectroscopía de bajo costo28.

Un colimador de fibra acromática de haz grande con un foco ajustable (Thorlabs, C40FC-A) o un puerto de fibra (Thorlabs PAF2-A4A) proyectó la luz sobre la muestra con un aumento de \(M = 11,1\) o \(M = 44 \), respectivamente. El límite de difracción ampliado se ha calculado como \(M\cdot \lambda / (2\text {NA})\), donde \(\lambda = 500\) nm es la longitud de onda más pequeña utilizada. Un divisor de haz R70:T30 (Thorlabs BS022) dirigió el haz reflejado hacia la muestra y el haz transmitido hacia una cámara (Basler a2a1920-160um) para registrar los patrones de motas. Se usó un fotodiodo de avalancha (APD, Thorlabs APD440A2) en combinación con una lente colimadora o una cámara (Basler acA1300-200um) para medir la intensidad total transmitida a través de la muestra. La cámara montada cerca de la parte posterior de la muestra funciona como un detector de área grande que aumenta la sensibilidad de la medición. Durante el paso de procesamiento, la imagen de la cámara se integró y da como resultado un valor de intensidad por patrón de motas relacionado, como realmente para un detector de un solo píxel. Las intensidades de los patrones de motas varían con la longitud de onda, como se puede ver en Supl. Figura S2d. Estas variaciones de intensidad dependientes de la longitud de onda se han tenido en cuenta porque tanto la matriz de iluminación A adquirida durante la calibración como el vector de intensidad b registrado durante las medidas dependen linealmente de las intensidades correspondientes.

La rejilla del escenario se hizo girar en un rango de exploración de un grado. En cada posición de la etapa, el software espera 2 ms antes de que se active la adquisición de una cámara. Las muestras transparentes binarias, "dos puntos", "dígito cero escrito a mano" y "tres barras" fueron objetos fotolitográficos hechos internamente grabados en un portaobjetos de microscopio de aluminio de tamaño estándar pulverizado. Como muestra de "dígito cero escrito a mano", utilizamos un dígito aleatorio de la base de datos estándar del MNIST. La muestra de "barras de objetivo de resolución" formaba parte de un objetivo de resolución negativa (Thorlabs R2L2S1N). Durante el experimento, las muestras se montaron en un portamuestras xy (Thorlabs, XYF1/M), que además se montó en una plataforma lineal para obtener el desplazamiento en la dirección z.

El principio de imagen y reconstrucción se representa en la Fig. 1c. Para cada longitud de onda, se creó pasivamente un patrón de motas único a través de la codificación de la luz en el MMF. Los ejemplos de patrones de motas para 15 longitudes de onda diferentes entre 514 y 541,5 nm en pasos de 1,83 nm se muestran en el suplemento. Figura S2a. El gráfico de correlación cruzada y el histograma de correlación para todos los patrones de motas medidos experimentalmente se muestran en el suplemento. Fig. S2b y c, respectivamente. Para cada patrón de motas codificado por color, proyectado en una muestra, la cámara adquirió una imagen y el detector detrás de la muestra registró la intensidad total transmitida. No se tomaron medidas de fondo.

La pila adquirida de imágenes moteadas y los datos de intensidades relacionados se cargaron y procesaron en Matlab 2022a (MathWorks). Las imágenes moteadas se preprocesaron extrayendo su región circular de interés y rellenando con ceros las esquinas restantes. Para la reconstrucción de imágenes, se utilizaron los dos métodos diferentes Ghost Imaging (GI) y Compresive Imaging (CI). La imagen fantasma, como en el enfoque de imagen de un solo píxel, reconstruye un objeto, O(x, y), como la suma ponderada del patrón moteado (\(SP_i\)) con los coeficientes calculados como resta de la intensidad media (\(b_{ media}\)) de la intensidad relacionada con el moteado (\(b_i\)) medida29:

donde M es el número de mediciones. Por lo tanto, cada medición de balde \(b_i\) es la superposición entre el objeto y el patrón de iluminación. El GI puede verse como una proyección vectorial de la función de transmisión del objeto sobre M vectores aleatorios diferentes \(SP_i\). Lograr un buen contraste requiere en la práctica patrones \(M>> N^{2}\), que no se dan aquí, por lo que la reconstrucción del GI podría ser muy pobre o no darse en absoluto30.

Compresive Imaging reconstruye una muestra a partir de una serie de mediciones encontrando soluciones para sistemas lineales indeterminados utilizando la restricción de escasez. Entre varios algoritmos de regularización populares disponibles, elegimos usar TVAL331. TVAL3 a menudo ofrece una solución bastante buena sin ninguna condición previa específica debido a su adaptación a una muestra no escasa, en comparación con otros algoritmos de eliminación de ruido que funcionan mejor cuando la muestra es escasa. Además, los algoritmos TVAL3 se utilizan preferentemente debido a su superioridad en la velocidad de cálculo. Se eligió el modelo isotrópico \(TV+\) para TVAL3: \(min_{x\in {\mathbb {R}}^{n}} \sum \limits _{i}\left\| D_{i}x \ derecha\| _{2}\), st \(Ax = b\), \(x\ge 0\); con A la matriz de iluminación (los patrones de motas remodelados), b la intensidad medida por patrón de motas y x la muestra y con \(D_{i}x\) el gradiente discreto de x en el píxel i como se describe en detalle en31. Las variables se pueden dividir introduciendo \(y_{i} = D_{i}x\), y el modelo de TV ahora es equivalente a: \(min_{y_{i},x} \sum \limits _{i} \left\| y_{i} \right\| _{p}\), st \(Ax = b\) y \(D_{i}x = y_{i}\), con \(p = 1\ ) o 2. Los siguientes parámetros no predeterminados se establecieron en: maxit = 1500, TVnorm = 1, nonneg = true e isreal = true. TVAL3 permite establecer una suposición inicial como referencia inicial para su rutina de reconstrucción, lo que puede influir positivamente en el resultado. En este estudio, los resultados calculados de GI se utilizaron como suposición inicial. Sin embargo, no notamos ninguna ventaja significativa al configurar este parámetro en comparación con su configuración predeterminada de una matriz cero.

Para la comparación de CI con imágenes de exploración de trama convencionales, establecemos como métrica la tasa de compresión (\(CR = (N \times N)/{M}\)), que es una medida para indicar la disminución en el tiempo de adquisición en CI. CR se definió por el tamaño de píxel \(N \times N\) de una imagen reconstruida, dividido por la cantidad de patrones de motas (M) utilizados para iluminar la muestra. Una imagen de escaneo ráster punto por punto necesita adquisiciones \(N \times N\), mientras que la imagen CI usa solo una fracción \({M} /(N \times N)\) pero retiene o incluso mejora la resolución más allá de la difracción límite13,15,16. Cuanto mayor sea CR, mayor será la compresión, menor será el tiempo de adquisición.

En el primer conjunto de experimentos, se tomaron imágenes de diferentes muestras, como "barras", el "dígito cero escrito a mano" y parte de un "objetivo de resolución" mediante el enfoque propuesto de imágenes de fibra de fuente de barrido. Los resultados se muestran en la Fig. 2. El ancho de banda de exploración de longitud de onda se fijó en \(\Delta \lambda = 55\) nm y 82,5 nm, y se utilizaron un total de \(M = 1000\) y 1500 patrones de motas con un tamaño de paso de exploración de 0,055 nm. El tiempo total de adquisición depende de la cantidad de patrones proyectados en la muestra, el tiempo de exposición de la cámara utilizada para registrar las imágenes moteadas y el tiempo de establecimiento de la etapa de rotación. Para 1000 patrones de motas, un tiempo de exposición de 100 ms y un tiempo de establecimiento de 2 ms, el tiempo total de obtención de imágenes fue de alrededor de 102 s.

Resultados de imágenes de fibra multimodo de fuente de barrido para diferentes muestras (primera fila) utilizando algoritmos de reconstrucción GI (fila central) y CI (fila inferior). El tamaño de la imagen resultante fue \(N^2 = 128 \times 128\). Se tomaron imágenes del objetivo de resolución (primera columna) utilizando 1500 patrones de motas, un tamaño de paso de exploración de 0,055 nm y un ancho de banda de \(\Delta \lambda = 82,5~\)nm, lo que da como resultado CR = 10,9. La muestra de "cero dígitos escritos a mano" (segunda columna) se imaginó usando 1000 patrones de motas, un tamaño de paso de escaneo de 0.055 nm y \(\Delta \lambda = 55\,\)nm, lo que resultó en CR = 16.4. Se tomaron imágenes de la muestra de "tres barras" (tercera columna) utilizando 1000 patrones de motas, un tamaño de paso de exploración de 0,027 nm y un ancho de banda de \(\Delta \lambda = 27,5~\)nm, lo que da como resultado CR = 16,4. Barra de escala: 3 \(\times\) diff. límite con una diferencia. límite de 12,6 \(\mu m\).

Los resultados de GI, que se muestran en la segunda fila de la Fig. 2, no representan la muestra sino que muestran una acumulación de señales altas en el centro de la imagen. Esto es de esperar ya que GI se basa en una gran cantidad de patrones para una buena reconstrucción. Por el contrario, las reconstrucciones de CI obtenidas del "objetivo de resolución" con \(N^2 = 128 \times 128\) pxl (\(555 \times 555~\mu\)m\(^{2}\)) que se asemejan a la muestra con bordes suaves y borrosos, lo que permite una identificación suficiente del objeto fotografiado. El dígito "cero" menos complejo se representa casi a la perfección, aunque son visibles algunos artefactos de fondo menores. Se obtuvieron resultados similares para la muestra pura de "tres barras". En general, la mayoría de los segmentos de las muestras se reconstruyeron bien y se pudieron identificar fácilmente a través de imágenes de fibra de fuente de barrido basadas en CI.

En el siguiente conjunto de experimentos, se investigó la influencia del tamaño final de la imagen en la calidad de la reconstrucción. Para eso, se ha elegido la muestra binaria simple como se muestra en la Fig. 3a. Los agujeros de un diámetro \(45~\mu\)m están separados por una distancia de centro a centro de 75 \(\mu\)m. Optamos por un rango de exploración de 27,5 nm con una rotación de \(1^\circ\) en 1000 pasos, comenzando en 514 nm. El ancho de banda de exploración y el número de patrones de iluminación (M = 1000) se mantuvieron constantes durante las mediciones.

En la Fig. 3b, se presentan los resultados reconstruidos para diferentes N. El tamaño de la imagen de reconstrucción se varió de N = 64 a N = 192, lo que resultó en una RC diferente de 4,1 a 36,9, respectivamente. La primera columna en la Fig. 3b muestra los resultados de GI, que no dependen de N. Los dos puntos son claramente visibles, aunque hay artefactos ruidosos en el fondo, solo que la cuadrícula de píxeles se vuelve más fina con el aumento del número de píxeles.

(una muestra. (b) Resultados de imágenes de fibra multimodo de fuente de barrido para \(\Delta \lambda = 27.5~\)nm y M = 1000 patrones en función del tamaño de la imagen dentro del mismo campo de visión: \(64\times 64\) pxl ( fila superior, CR = 4,1), \(128\times 128\) pxl (fila del medio, CR = 16,4) y \(192\times 192\) pxl (fila inferior, CR = 36,9) utilizando imágenes fantasma (primera columna) y algoritmos de reconstrucción de imágenes compresivas (segunda columna). c) Resultados de imágenes de fibra multimodo de fuente de barrido para un tamaño de imagen de \(N^2 = 128 \times 128\) pxl en función del ancho de banda (o número de patrones de motas): \(\Delta \lambda = 5,5\) nm (fila superior, M = 200, CR = 81,9), \(\Delta \lambda = 8,25~\)nm (fila central, M = 300, CR = 54,6) y \(\Delta \lambda = 20,63~\)nm (fila inferior, M = 750, CR = 21,8) para algoritmos de imagen fantasma (primera columna) y de imagen compresiva (segunda columna). Para objetos binarios simples, es factible obtener imágenes utilizando un ancho de banda pequeño y un CR alto. Barra de escala: 3 \(\times\) diff. límite con una diferencia. límite de 12,6 \(\mu m\).

En la segunda columna se muestran imágenes de fibra multimodo de fuente de barrido utilizando CI. La visibilidad de los dos puntos aumenta con el número de píxeles en la imagen reconstruida. Una mejor relación señal-fondo, obtenida principalmente por una disminución del fondo, es el resultado de las capacidades de eliminación de ruido del algoritmo TVAL3. Para \(N^2 = 128 \times 128\) pxl, lo que significa una resolución de \(4.3~\mu m\) por píxel, los agujeros se presentan en 10 píxeles, coincidiendo perfectamente con el tamaño de la muestra. En comparación con GI, las imágenes de compresión (con eliminación de ruido de variación total) aumentan la visibilidad de los dos puntos amortiguando el fondo y aumentando el contraste al agudizar los bordes de los dos puntos. La Figura S3 en la Información complementaria muestra la calidad de reconstrucción de imágenes simulada para diferentes niveles de señal a ruido (SNR). Nuestras simulaciones muestran que para el caso de ruido relativamente bajo (SNR \(> 10\)), se podría lograr una buena reconstrucción de imagen de una muestra escasa con un ancho de banda de solo 5,5 nm.

En el segundo conjunto de experimentos, investigamos la calidad de la imagen en función del ancho de banda y el número correspondiente de patrones de iluminación. Los resultados para tres números diferentes de patrones de motas: M = 200, 300 y 750, que corresponden a anchos de banda de \(\Delta \lambda = 5,5, 8,25\) y 20,63 nm, respectivamente, se presentan en la Fig. 3c. Dado que el tamaño de la imagen de \(N^2 = 128 \times 128\) pxl se mantuvo constante, el valor de CR cambia (CR = 81,9, 54,6 y 21,8) según la cantidad de patrones utilizados. Para GI, representado en la primera columna, cuantos más patrones se utilicen, mejor será el resultado. Los mejores resultados, en términos de contraste y visibilidad, se pueden obtener usando CI, como se muestra en la segunda columna. Un ancho de banda de \(\Delta \lambda > 8,25\) nm, lo que significa que solo M = 300 patrones (CR = 54,6), es suficiente para una reconstrucción convincente de la muestra. Esto proporciona una gran mejora en términos de reducción del ancho de banda de escaneo en comparación con el informe de Shin et al.26, donde se usaron pasos de 0,1 nm en 100 nm. Nuestros resultados están en línea con el hecho bien conocido de que la detección de compresión depende de la escasez de la señal: el objeto relativamente escaso (Fig. 3c) se puede reconstruir con una alta tasa de compresión, mientras que para muestras menos escasas (Fig. 2) , se requiere un CR más bajo.

Para aplicaciones de la vida real, es fundamental mantener patrones de motas invariables cuando se mueve la fibra. En el siguiente conjunto de experimentos, investigamos la estabilidad del sistema a lo largo del tiempo y el rendimiento de las imágenes mientras se mueve la sonda de fibra.

En los primeros experimentos, probamos la estabilidad de la reconstrucción a lo largo del tiempo mientras la fibra se mantiene estable. La muestra y los resultados de imágenes de fibra multimodo de fuente de barrido en función del tiempo en minutos se muestran en la Fig. 4. En el tiempo cero, la matriz de iluminación A constaba de M = 1000 patrones de motas planas en el rango de \(\lambda _1 = 514\) a \(\lambda _N = 541,5\) nm (\(\Delta \lambda = 27,5\) nm), y el vector de señal correspondiente b se midieron simultáneamente. La imagen reconstruida por el algoritmo CI se presenta en la Fig. 4b. Se asemeja, aunque no es perfecto, a la estructura compleja de la muestra con las regiones de apertura y adelgazamiento. Las imágenes reconstruidas tienen un tamaño de \(N^2 = 128 \times 128\) pxl (2203x 2203 \(\mu m^{2}\)). Repetimos las mediciones de intensidad 5 minutos y 10 minutos más tarde para obtener b\(_{5\text {min}}\) y b\(_{10\text {min}}\), respectivamente. Las imágenes en las Fig. 4c y d muestran los resultados de la reconstrucción para mediciones híbridas: la matriz de iluminación A se midió en el tiempo cero suponiendo que los patrones de motas no cambiarían con el tiempo y la señal de la muestra se midió 5 min y 10 min más tarde , respectivamente. Los coeficientes de correlación de Pearson (corr2) entre la imagen reconstruida en tiempo cero y las imágenes reconstruidas después de mediciones de intensidad retardada son iguales a 0,98 y se indican en las Fig. 4c y d. Para ambas marcas de tiempo, los valores de correlación son altos, lo que indica una excelente concordancia con el muestreo original. Se obtienen resultados similares calculando el índice de similitud estructural (ssim). Visualmente, se puede concluir la misma evaluación. El sistema de imágenes de fibra multimodo de fuente de barrido proporciona resultados de medición sólidos a lo largo del tiempo.

En el segundo conjunto de experimentos, investigamos cómo el movimiento y la flexión de la parte monomodo de la sonda de fibra influirían en el rendimiento de la imagen del enfoque propuesto. Primero, medimos simultáneamente la matriz de iluminación A que constaba de M = 1000 patrones de motas planas en el rango de \(\lambda _1 = 514\) a \(\lambda _N = 541.5\) nm (\(\Delta \lambda = 27.5 \) nm), y el vector de señal correspondiente b. La imagen reconstruida usando el algoritmo CI se presenta en la Fig. 5a. Vemos claramente nuestra muestra. El diseño experimental de un SMF (amarillo) que corresponde a las mediciones se muestra en la Fig. 5d. Luego, el SMF se enrolló dos veces como se muestra en la Fig. 5e y se repitieron las mediciones de intensidad. La imagen presentada en la Fig. 5b se reconstruyó utilizando la matriz de iluminación A medida para la primera posición de la SMF (como en la Fig. 5d) y el vector de intensidad b\(_{2\text {loops}}\) medido para la segunda posición del SMF (como en la Fig. 5e).

Mediciones de estabilidad a lo largo del tiempo para imágenes MMF de fuente de barrido usando M = 1000 patrones sobre \(\Delta \lambda = 27.5~\)nm. (a) Muestra de "dígito cero escrito a mano". (b–d) Resultados de la reconstrucción de CI para \(N^2 = 128 \times 128\) y un CR de 16,4: la matriz de iluminación A y el vector de intensidad b se midieron simultáneamente (b), A y b\(_{5\ text {min}}\) se midieron con 5 min de retraso entre (c), y A y b\(_{10\text {min}}\) se midieron con 10 min de retraso entre (d). Se indican los valores del coeficiente de correlación y el índice de similitud estructural entre (b), (c) y (b), (d). Barra de escala: 3 \(\times\) diff. límite con una diferencia. límite de 50,1 \(\mu m\).

Mediciones de estabilidad de las imágenes MMF de fuente de barrido propuestas (\(\Delta \lambda = 27.5~nm\), M = 1000) durante los movimientos de fibra. Resultados de la reconstrucción de imágenes (a–c) y la configuración correspondiente del SMF (d, e). La precalibración se ha realizado una sola vez. Barra de escala: 3 \(\times\) diff. límite con una diferencia. límite de 50,1 \(\mu m\).

Posteriormente, se agregó un tercer bucle, como se muestra en la Fig. 5f. La imagen presentada en la Fig. 5c fue reconstruida usando la matriz de iluminación A medida para la primera posición de la SMF (como en la Fig. 5d) y el vector de intensidad b\(_{3\text {loops}}\) medido para la tercera posición del SMF (como en la Fig. 5f). Los coeficientes de correlación de Pearson entre la imagen presentada en la Fig. 5a y la imagen presentada en la Fig. 5b estaban muy cerca de 1. Los coeficientes de correlación entre la imagen en la Fig. 5a y c se calcularon en 0,955. El coeficiente de correlación cae ligeramente al cambiar la configuración SMF de un solo bucle a tres bucles. Sin embargo, teniendo en cuenta el duro trato y la flexión, la calidad general de reconstrucción de la imagen sigue siendo muy buena. El "cero" se puede distinguir claramente del fondo, aunque se puede observar un aumento mínimo en el ruido de fondo en la Fig. 5c. Llegamos a la conclusión de que la deformación del SMF no tiene una influencia importante en la calidad de la reconstrucción, incluso para una flexión bastante extrema. Sin embargo, es importante no perder de vista el hecho de que el MMF de un metro de largo sigue siendo la parte sensible de la configuración. La influencia externa, como la flexión o el movimiento, alterará la transmisión de luz a través del MMF y requerirá constantemente una nueva calibración. Para establecer un sistema de imágenes de fibra endoscópica robusto pero flexible, se debe utilizar una parte MMF más corta. Además, podrían explorarse otras ideas para generar patrones de motas invariantes y repetitivos (p. ej., elementos ópticos difractivos impresos en 3D o capas de metamaterial combinadas con iluminación de fuente de barrido).

En este estudio, propusimos y demostramos un enfoque de imágenes de fibra de fuente de barrido. Hemos demostrado la viabilidad de utilizar patrones de motas generados por fibra dependientes de la longitud de onda para imágenes de compresión basadas en fibra. Pudimos reconstruir una variedad de muestras usando un ancho de banda de \(\Delta \lambda < 10\) nm en el rango visible. El ancho de banda VIS relativamente estrecho podría utilizarse potencialmente para aplicaciones de imágenes de fluorescencia. El enfoque de imagen propuesto no requiere ningún dispositivo de escaneo mecánico, lo que simplifica todo el proceso de iluminación en comparación con las configuraciones experimentales con espejos galvanométricos o DMD12,17. Seguramente, el monocromador construido internamente es un dispositivo sobrediseñado y puede ser reemplazado por un láser supercontinuo con un filtro sintonizable acústico-óptico o por un láser de fuente de barrido rápido como se usa comúnmente en tomografía de coherencia óptica o por un láser sintonizable como reportado últimamente26,27,32. Demostramos experimentalmente que la calidad de imagen del enfoque propuesto no requiere estabilidad de la sonda de fibra. Los resultados abren nuevos caminos en el campo de la obtención de imágenes de tejido profundo basadas en etiquetas y sin etiquetas, lo que podría permitir la obtención de imágenes endoscópicas de alta resolución basadas en todas las fibras in vivo.

Los conjuntos de datos utilizados y/o analizados durante el estudio actual están disponibles del autor correspondiente a pedido razonable.

Murayama, M. et al. Codificación dendrítica de estímulos sensoriales controlados por interneuronas corticales profundas. Naturaleza 457 (7233), 1137–1141. https://doi.org/10.1038/nature07663 (2009).

Artículo ADS CAS PubMed Google Scholar

Tsvirkun, V. et al. Endoscopia sin lente de campo amplio con una fibra multinúcleo. Optar. Letón. 41(20), 4771. https://doi.org/10.1364/OL.41.004771 (2016).

Artículo ADS CAS PubMed Google Scholar

Porat, A. et al. Imágenes de campo amplio sin lentes a través de un haz de fibras a través de correlaciones de motas. Optar. Expreso 24(15), 16835. https://doi.org/10.1364/OE.24.016835 (2016).

Artículo ADS PubMed Google Scholar

Göbel, W., Kerr, JND, Nimmerjahn, A. & Helmchen, F. Microscopio miniaturizado de dos fotones basado en un haz de fibra coherente flexible y un objetivo de lente de índice de gradiente. Optar. Letón. 29(21), 2521. https://doi.org/10.1364/OL.29.002521 (2004).

Artículo ADS PubMed Google Scholar

Jabbour, JM, Saldua, MA, Bixler, JN & Maitland, KC Endomicroscopia confocal: instrumentación y aplicaciones médicas. Ana. biomedicina Ing. 40(2), 378–397. https://doi.org/10.1007/s10439-011-0426-y (2012).

Artículo PubMed Google Académico

Shin, J., Bosworth, BT y Foster, MA Imágenes de fluorescencia compresiva utilizando una fibra multinúcleo y dispersión espacialmente dependiente. Optar. Letón. 42(1), 109. https://doi.org/10.1364/OL.42.000109 (2017).

Artículo ADS PubMed Google Scholar

Choudhury, D. et al. Imágenes ópticas computacionales con una linterna fotónica. Nat. común 11(1), 5217. https://doi.org/10.1038/s41467-020-18818-6 (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Papadopoulos, IN, Farahi, S., Moser, C. & Psaltis, D. Endoscopio sin lentes de alta resolución basado en escaneo digital a través de una fibra óptica multimodo. biomedicina Optar. Expreso 4(2), 260. https://doi.org/10.1364/BOE.4.000260 (2013).

Artículo PubMed PubMed Central Google Académico

Turtaev, S., Leite, IT & Čižmár, T. Fibras multimodo para microendoscopia. Optofluídica Microfluídica Nanofluídica 2(1), 31–35. https://doi.org/10.1515/optof-2015-0004 (2015).

Artículo Google Académico

Amitonova, LV & de Boer, JF Compresión de imágenes a través de una fibra multimodo. Optar. Letón. 43(21), 5427. https://doi.org/10.1364/OL.43.005427 (2018).

Artículo ADS PubMed Google Scholar

Lan, M. et al. Imágenes robustas de fibra multimodo compresiva contra la flexión con profundidad de campo mejorada. Optar. Expreso 27(9), 12957. https://doi.org/10.1364/OE.27.012957 (2019).

Artículo ADS PubMed Google Scholar

Lochocki, B., Verweg, MV, Hoozemans, JJM, de Boer, JF & Amitonova, LV Imágenes de epifluorescencia del cerebro humano a través de una fibra multimodo. Fotón APL. 7(7), 071301. https://doi.org/10.1063/5.0080672 (2022).

Artículo ADS CAS Google Académico

Gazit, S., Szameit, A., Eldar, YC y Segev, M. Súper resolución y reconstrucción de imágenes escasas de sublongitud de onda. Optar. Expreso 18(25), 26631. https://doi.org/10.1364/OE.18.026631 (2010).

Artículo ANUNCIOS Google Académico

Shechtman, Y., Gazit, S., Szameit, A., Eldar, YC y Segev, M. Súper resolución y reconstrucción de imágenes dispersas transportadas por luz incoherente. Optar. Letón. 35(8), 1148. https://doi.org/10.1364/ol.35.001148 (2010).

Artículo ADS PubMed Google Scholar

Amitonova, LV & de Boer, JF Endomicroscopia más allá de los límites de Abbe y Nyquist. Ciencia de la luz aplicación 9(1), 81. https://doi.org/10.1038/s41377-020-0308-x (2020).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Lochocki, B., Abrashitova, K., de Boer, JF y Amitonova, LV Límites máximos de resolución de imágenes de compresión basadas en motas. Optar. Expreso 29(3), 3943. https://doi.org/10.1364/OE.413831 (2021).

Artículo ADS PubMed Google Scholar

Abrashitova, K. & Amitonova, LV Imágenes de compresión basadas en fibra multimodo sin etiquetas de alta velocidad más allá del límite de difracción. Optar. Expreso 30(7), 10456. https://doi.org/10.1364/OE.444796 (2022).

Artículo ADS PubMed Google Scholar

Tučková, T. et al. Mejora de imagen computacional de endomicroscopía holográfica basada en fibra multimodo: aprovechamiento de los modos fangosos. Optar. Expreso 29(23), 38206. https://doi.org/10.1364/OE.434848 (2021).

Artículo ADS PubMed Google Scholar

Guérit, S., Sivankutty, S., Lee, J., Rigneault, H. & Jacques, L. Imágenes compresivas a través de fibra óptica con escaneo de motas parciales. SIAM J. Imag. ciencia 15(2), 387–423. https://doi.org/10.1137/21M1407586 (2022).

Artículo MathSciNet MATEMÁTICAS Google Académico

Pathak, B., Booth, MJ & Turcotte, R. Imágenes comprimidas con luz enfocada. J. Opt. 24(6), 065301. https://doi.org/10.1088/2040-8986/ac6880 (2022).

Artículo ANUNCIOS Google Académico

Plöschner, M., Tyc, T. & Čižmár, T. Suplemento: Ver a través del caos en fibras multimodo. Nat. Fotónica 9 (8), 529–535. https://doi.org/10.1038/nphoton.2015.112 (2015).

Artículo ADS CAS Google Académico

Turtaev, S. et al. Comparación de modulación de luz espacial basada en DMD y cristal líquido nemático en fotónica compleja. Optar. Expreso 25(24), 29874. https://doi.org/10.1364/OE.25.029874 (2017).

Artículo ADS PubMed Google Scholar

Lyu, Z., Osnabrugge, G., Pinkse, PWH & Amitonova, LV Calidad de enfoque en imágenes de barrido de trama a través de una fibra multimodo. aplicación Optar. 61(15), 4363. https://doi.org/10.1364/AO.458146 (2022).

Artículo ADS PubMed Google Scholar

Arnaud, JA Evaluación numérica de la respuesta al impulso de fibras ópticas multimodo. Integración de fibra Optar. 1(1), 77–100. https://doi.org/10.1080/01468037708240530 (1977).

Artículo ANUNCIOS Google Académico

Geckeler, S. Dispersión en fibras ópticas: Nuevos aspectos. aplicación Optar. 17(7), 1023. https://doi.org/10.1364/AO.17.001023 (1978).

Artículo ADS CAS PubMed Google Scholar

Shin, J., Bosworth, BT y Foster, MA Imágenes de un solo píxel mediante detección comprimida y dispersión dependiente de la longitud de onda. Optar. Letón. 41(5), 886. https://doi.org/10.1364/ol.41.000886 (2016).

Artículo ADS CAS PubMed Google Scholar

Kubota, T., Katagiri, T. y Matsuura, Y. Sistema de imágenes de fibra completa para endoscopio flexible ultrafino basado en la reconstrucción de imágenes comprimidas. En: 2019 24th Microoptics Conference (MOC), 276–277 (2019). https://doi.org/10.23919/MOC46630.2019.8982870.

Redding, B. & Cao, H. Uso de una fibra multimodo como espectrómetro de baja pérdida y alta resolución. Optar. Letón. 37(16), 3384. https://doi.org/10.1364/OL.37.003384 (2012).

Artículo ADS PubMed Google Scholar

Gibson, GM, Johnson, SD y Padgett, MJ Imágenes de un solo píxel 12 años después: una revisión. Optar. Expreso 28(19), 28190. https://doi.org/10.1364/oe.403195 (2020).

Artículo ADS PubMed Google Scholar

Katz, O., Bromberg, Y. & Silberberg, Y. Compresión de imágenes fantasma. aplicación física Letón. 95(13), 131110. https://doi.org/10.1063/1.3238296 (2009).

Artículo ADS CAS Google Académico

Li, C., Yin, W., Jiang, H. & Zhang, Y. Un método Lagrangiano aumentado eficiente con aplicaciones para la minimización de la variación total. computar Óptimo aplicación 56(3), 507–530. https://doi.org/10.1007/s10589-013-9576-1 (2013).

Artículo MathSciNet MATEMÁTICAS Google Académico

Zhu, R.-Z., Feng, H.-G., Xiong, Y.-F., Zhan, L.-W. & Xu, F. Imágenes reflectantes de un solo píxel totalmente de fibra con larga distancia de trabajo. Optar. Tecnología láser. 158 (PA), 108909. https://doi.org/10.1016/j.optlastec.2022.108909 (2023).

Artículo CAS Google Académico

Descargar referencias

Este trabajo se llevó a cabo dentro de ARCNL, una asociación público-privada entre UvA, VU, NWO y ASML y fue parcialmente financiado por `Toeslag voor Topconsortia voor Kennis en Innovatie (TKI)' del Ministerio holandés de Asuntos Económicos y Política Climática. Nos gustaría reconocer el soporte de software de Marco Seynen. Agradecemos a Sergey Amitonov por las muestras hechas a medida.

Organización Holandesa para la Investigación Científica (WISE) y el Ministerio Holandés de Asuntos Económicos y Política Climática.

Imágenes y metrología a nanoescala, Centro de investigación avanzada para nanolitografía (ARCNL), Science Park 106, 1098 XG, Ámsterdam, Países Bajos

Benjamin Lochocki, Aleksandra Ivanina, Akje Bandhoe y Lyubov V. Amitonova

Departamento de Física y Astronomía, LaserLaB, Vrije Universiteit Amsterdam, de Boelelaan 1081, 1081 HV, Amsterdam, Países Bajos

Johannes F. de Boer y Lyubov V. Amitonova

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

BL construyó la geometría experimental. BL, AI y AB realizaron los experimentos. BL y LVA analizaron los datos. BL, JFdB y LVA concibieron la idea y diseñaron el sistema óptico, LVA aseguró la financiación y dirigió el proyecto. BL preparó las figuras y escribió el manuscrito con contribuciones de todos los autores.

Correspondencia a Benjamín Lochocki.

Los autores declaran los siguientes intereses contrapuestos. Una solicitud de patente, es decir, Nº 2021837 (Imágenes a través de fibras multimodo), basada en estos resultados, ha sido presentada por la Universidad Vrije de Amsterdam, con LVA y JFdB como inventores. BL, AI y AB no tienen intereses en competencia.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Lochocki, B., Ivanina, A., Bandhoe, A. et al. Imágenes de fibra multimodo de fuente de barrido. Informe científico 13, 8071 (2023). https://doi.org/10.1038/s41598-023-34062-6

Descargar cita

Recibido: 23 enero 2023

Aceptado: 24 abril 2023

Publicado: 18 mayo 2023

DOI: https://doi.org/10.1038/s41598-023-34062-6

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.