Imagerie de diffusion optique

Principes de base de l'imagerie de diffusion optique:
Lorsque la lumière rencontre des diffuseurs (par exemple, milieux troubles, tissus biologiques) pendant la propagation, sa direction change - un phénomène appelé diffusion. Dans l'imagerie de diffusion optique, les photons transportant des informations cibles sont perturbés par la distribution inhomogène des particules et des indices de réfraction dans le milieu de diffusion, conduisant à des images à détection directe déformée. Par exemple, dans des conditions brumeuses, la diffusion de la lumière par les gouttelettes d'eau provoque une observation floue des objets. Cependant, l'imagerie de diffusion optique repose sur l'analyse et le traitement de ces photons dispersés pour reconstruire les images. Les photons dispersés peuvent être classés comme:

• Photons balistiques (voyageant presque droits, transportant des informations cibles claires),

• Des photons de type serpent (subissant une diffusion multiple, conservant des informations cibles partielles),

• Photons diffus (hautement randomisés après une diffusion étendue).
  Différents types de photons jouent des rôles distincts dans l'imagerie. Les techniques d'imagerie de diffusion traditionnelles se concentrent souvent sur l'optimisation de la collection de photons balistiques pour la reconstruction d'image.

Techniques d'imagerie de diffusion optique traditionnelles:
Les méthodes conventionnelles basées sur la collecte de photons balistiques tentent d'extraire les informations cibles en isolant ces photons à partir de la lumière diffusée. Les premières approches ont utilisé des conceptions optiques spécifiques et des configurations de détecteur pour hiérarchiser la capture de photons balistiques. Cependant, dans les scénarios pratiques, les photons balistiques sont rares, et la plupart des photons dans des milieux de diffusion fortement sont non balistiques en raison de la diffusion multiple. Par conséquent, ces techniques fonctionnent mal dans les milieux avec une grande épaisseur optique et ont une applicabilité limitée.

Imagerie de diffusion optique informatique:
Avec les progrès technologiques, l'imagerie de diffusion informatique a émergé, mettant l'accent sur l'utilisation de photons non balistiques dans des milieux de diffusion épais. Les approches clés comprennent:

• Effet de mémoire optique et algorithmes de récupération de phase:
  L'effet de mémoire optique décrit comment les milieux de diffusion conservent la «mémoire» de la lumière incidente dans certaines conditions - les changements de temps en angle ou position d'éclairage produisent des variations corrélées dans le champ diffusé. Tirant cet effet avec des algorithmes de récupération de phase permet la récupération des informations de phase cible à partir des champs diffusés. Par exemple, les expériences reconstruisent les images cibles en corrélant la lumière diffusée avec les cibles à travers l'effet de mémoire et en résolvant itérativement les informations de phase. Cette méthode est prometteuse pour les milieux de diffusion épais dynamiques et le potentiel dans l'imagerie à large champ large.

• Imagerie de diffraction cohérente:
  Cette technique utilise un éclairage de lumière cohérente et des algorithmes itératifs pour reconstruire l'amplitude et la phase cibles à partir de modèles de diffraction mesurés. En enregistrant l'intensité de la lumière diffusée (manque de données de phase), les algorithmes de récupération de phase résolvent itérativement pour les informations manquantes. L'imagerie de diffraction cohérente dépasse les limites de résolution traditionnelles, permettant une imagerie à haute résolution des microstructures dans la science des matériaux et la biomédecine.

• Moteur itératif ptychographique:
  La ptychographie reconstruit les images à haute résolution en chevauchant des scans des régions cibles et en traitement itérative des données d'intensité diffusées. L'ajustement en continu des positions et des angles de numérisation améliore l'acquisition d'informations, améliorant la résolution et la qualité. Cette méthode excelle dans l'imagerie des cibles non sassistes et a une valeur significative dans les applications d'imagerie de diffusion pratiques.

Défis et limitations:
Malgré les progrès notables, l'imagerie de diffusion optique fait face à des défis:

• Environnements dynamiques: les milieux de diffusion en évolution rapide (par exemple, la fumée fluide, les tissus biologiques dynamiques) exigent un traitement en temps réel de l'évolution des données de diffusion, nécessitant des algorithmes très efficaces et une puissance de calcul.

• Résolution et qualité: les supports de diffusion épais dégradent souvent la qualité de l'image en raison de la perte d'informations et du bruit provenant de la diffusion multiple, conduisant à un flou ou à une distorsion.

• Spécificité du scénario: de nombreuses techniques excellent dans des conditions spécifiques mais manquent de généralisation, limitant leur robustesse à travers diverses applications du monde réel.

Applications:

• Biomédecine: Permet l'imagerie des structures tissulaires internes par la diffusion de la lumière, aidant le diagnostic de la maladie (par exemple, détectant un cancer à un stade précoce via l'analyse de la lumière diffusée des tissus).

• Surveillance environnementale: facilite l'imagerie par le brouillard, la fumée ou la brume pour surveiller les sources de pollution distantes ou les phénomènes météorologiques.

• Inspection industrielle: soutient les tests non destructifs des matériaux opaques en analysant la lumière dispersée pour identifier les défauts internes, améliorer la qualité et la sécurité des produits.