Holografia Digital Inline Microscópica
Coordenador: Antonio Carlos Sobieranski (a.sobieranski@ufsc.br)
A Microscopia Holográfica Digital Inline (DIHM) é uma técnica de imagem sem lentes baseada em sombras, na qual uma fonte de luz coerente é utilizada para iluminar amostras e registrar padrões de interferência em um dispositivo de digitalização. Esses padrões, chamados de hologramas, carregam informações volumétricas sobre a amostra inspecionada, exigindo métodos numéricos complexos para torná-los distinguíveis, como em uma imagem microscópica de campo convencional. No entanto, para muitas aplicações, a análise em tempo real de hologramas é computacionalmente dispendiosa devido à natureza dos métodos de difração numérica usados para reconstruir os sinais em informações visuais. Para mitigar esse problema, neste artigo investigamos o uso de abordagens de aprendizado profundo para classificar esses padrões de interferência diretamente dos hologramas brutos, sem a necessidade de métodos de recuperação de fase para difração. Em nossa abordagem, exploramos o uso de distintas arquiteturas de Redes Neurais Convolucionais (CNNs) e sua adaptabilidade para classificar corretamente os hologramas em um ambiente experimental, utilizando um conjunto de dados gerado a partir de padrões de interferência sintéticos produzidos pelo Método de Difração de Fresnel. O conjunto de dados gerado por computador foi composto por 26 classes, resultando em um total de 520 amostras após o procedimento de aumento de dados. Os resultados obtidos demonstraram a viabilidade da abordagem proposta para classificar corretamente as amostras com 96,8% de precisão, diretamente a partir dos padrões de interferência holográfica, eliminando a necessidade de métodos de difração computacionalmente dispendiosos.
![]() |
![]() |