Felipe Guzmán, investigador postdoctoral de Optolab, quien continuará su trabajo en la Universidad de Tokio, lideró una investigación prometedora en áreas como biomedicina y astronomía, publicada en la revista de acceso abierto Advanced Imaging.
El artículo titulado “Support-free speckle-correlation imaging with implicit neural representation” presenta un nuevo enfoque para ver a través de medios turbios desconocidos, marcando un nuevo paradigma en la representación de imágenes.
Este trabajo que explora nuevas ideas en formación de imagen fue desarrollado por el Dr. Guzmán durante su postdoctorado en el Optolab, relacionándose parcialmente con una publicación previa; ambas son colaboraciones con el profesor Ryoichi Horisaki y la Universidad de Tokio.
“Estamos muy conformes con los resultados y creemos que fue un trabajo importante para la comunidad de imagen computacional”, señaló el autor, agregando que además de ser un trabajo clave para el desarrollo de su postdoctorado, la investigación también ha permitido fortalecer la red de colaboración con la universidad japonesa.
La propuesta se basa en el uso de speckles, es decir, patrones de luz que se generan al iluminar un objeto a través de un medio turbio. A partir del análisis de las correlaciones entre estos patrones, es posible reconstruir la forma del objeto oculto mediante el uso de redes neuronales, sin necesidad de observarlo de manera directa, por ejemplo, si queremos observar a través de la piel, no es necesario hacer una incisión.
Uno de los aspectos más relevantes del trabajo es el tipo de redes utilizadas para reconstruir la imagen, llamadas “no entrenadas”, en inglés untrained neural networks. A diferencia de otros métodos que utilizan grandes bases de datos, este no depende de un entrenamiento previo con miles de imágenes. Evitando así el uso de grandes datasets, reduciendo la carga computacional y aprovechando la estructura de la red neuronal como regularizador, permitiendo reconstrucciones más flexibles y menos sesgadas.
Además, al apoyar la reconstrucción en representación neuronal implícita, que corresponde a una red neuronal utilizada para aprender una función matemática continua que describe el objeto a partir de la autocorrelación de los datos medidos, en lugar de cuantizar los píxeles, lo que ofrece una gran libertad al trabajar con imágenes de alta resolución o de gran tamaño.
“Al entrenar bajo este paradigma, la red neuronal en vez de ser una caja negra que reconstruye, se convierte en la imagen misma o la imagen habita dentro de las neuronas de la red. Entonces el usuario puede preguntar qué valor tiene la posición x de un píxel y la red entrega su valor. Esto da la libertad de preguntar sobre píxeles a cualquier escala y píxeles que no existían en la imagen”, agregó el Dr. Guzmán.
Este avance resulta especialmente significativo por su carácter no invasivo, lo que abre la puerta a potenciales aplicaciones en biomedicina, como la obtención de imágenes a través de tejido biológico. Asimismo, el enfoque podría ser de interés para el sensado remoto y la astronomía, donde la atmósfera representa una limitación importante para la observación, así como para sistemas de telecomunicaciones ópticas y otras áreas en las que la luz se propaga a través de medios complejos.
Este trabajo permitirá abrir diversas líneas de investigación a futuro, incluyendo la extensión del método hacia imagen multidimensional, como la reconstrucción de secuencias temporales (videos) y la incorporación de información espectral, o de color, en imágenes obtenidas a través de medios turbios.
Desde Optolab felicitamos a los investigadores por este logro y por el reconocimiento que implica la publicación de este trabajo en la revista Advanced Imaging y quedamos atentos a los próximos desarrollos asociados a esta línea de investigación.