Imagerie ptychographique de Fourier à champ entier et haute résolution avec ingénierie neuronale du pupille

Des vues plus nettes sur toute la lame

Les microscopes modernes révèlent des détails cellulaires étonnants — mais en général seulement dans une petite zone centrale. Aux bords d’une grande lame de tissu, les structures fines se brouillent et s’estompent souvent, ce qui limite la confiance que peuvent accorder médecins et chercheurs à leurs observations. Cet article présente une nouvelle méthode pour rapprocher une puissante technique d’imagerie, la microscopie ptychographique de Fourier, de ses limites théoriques, en offrant des détails nets sur l’ensemble d’un grand champ de vue sans reconstruire le microscope depuis zéro.

Pourquoi les microscopes peinent aux bords

La microscopie ptychographique de Fourier (FPM) fonctionne en éclairant un échantillon sous de nombreux angles différents, puis en combinant informatiquement les instantanés basse résolution obtenus pour produire une image unique haute résolution. En principe, cette stratégie devrait fournir des images à la fois très nettes et très larges — idéale pour l’anatomopathologie sur lames entières, l’étude de cellules vivantes et l’inspection industrielle. En pratique toutefois, la FPM donne ses meilleurs résultats seulement près du centre optique. Plus loin, les imperfections des lentilles et la courbure des fronts d’onde issus de l’éclairage par LED rompent l’hypothèse simplificatrice selon laquelle le système d’imagerie se comporte de la même façon partout. En conséquence, les bords du champ présentent des artéfacts, une perte de contraste et des détails fins manquants, alors que le centre reste excellent.

Un diaphragme intelligent et malléable

Le cœur du problème réside dans la manière dont la FPM traite typiquement la fonction pupille du microscope, une « fenêtre » optique qui définit quelles composantes en fréquences spatiales sont transmises. La FPM standard modélise cette fenêtre comme un cercle centré et fixe dans un espace mathématique lié aux fréquences spatiales. Les auteurs ont observé que, dans les expériences réelles, notamment loin du centre, la fenêtre effective est subtilement décalée. Plutôt que d’essayer de construire à la main un modèle physique plus complexe, ils laissent un réseau neuronal apprendre comment cette fenêtre doit se déplacer. Leur approche, appelée NePE-FPM (neural pupil engineering FPM), représente la pupille comme une fonction continue codée par un petit réseau neuronal et une table de hachage multi-résolution. Cette configuration permet à la pupille de glisser en douceur dans l’espace des fréquences pendant la reconstruction, de sorte que l’algorithme peut s’adapter au comportement hors axe sans ajouter de paramètres système difficiles à mesurer.

Cellules plus nettes et motifs plus précis

Pour tester leur méthode, les chercheurs ont imagé des tissus de racine de plante et des cibles de résolution standard. Comparée à la FPM conventionnelle qui utilise une pupille fixe, NePE-FPM a produit des contours cellulaires nettement plus précis et un contraste d’image supérieur aux bords du champ. Des tests quantitatifs ont montré jusqu’à environ 55 % d’amélioration du contraste dans certaines régions, avec des cellules colorées individuelles devenant clairement distinctes là où elles étaient auparavant floues. Sur une cible de résolution publique conçue pour solliciter la FPM, les algorithmes concurrents peinaient à récupérer fidèlement amplitude et phase lorsque la courbure de l’éclairement était importante. NePE-FPM, en revanche, a préservé les motifs de fines stries et fourni des cartes de phase plus précises, une exigence clé pour l’imagerie quantitative sans marqueur.

Apprendre à la fois l’échantillon et l’optique

Les auteurs sont allés plus loin en permettant aux réseaux neuronaux de représenter non seulement la pupille décalante mais aussi l’échantillon lui-même. Dans ce schéma « double implicite », un réseau encode la manière dont l’échantillon modifie la lumière, tandis qu’un autre encode le comportement de la fenêtre optique à travers les fréquences. Des fonctions d’activation soigneusement choisies garantissent que les amplitudes et les phases restent physiquement réalistes. Cette description continue basée sur les coordonnées agit comme un filtre intelligent : elle lisse naturellement le bruit tout en préservant les transitions réelles, évitant les artéfacts en blocs qui peuvent apparaître lorsque les méthodes traditionnelles s’appuient fortement sur certains types de régularisation. Des tests sur des coupes de tissu ont montré des images de phase plus lisses et plus propres avec un contraste amélioré, tout en conservant les valeurs quantitatives sous-jacentes.

Accélérer pour l’usage réel

Comme l’imagerie de lames entières implique des jeux de données gigantesques, la vitesse est importante. NePE-FPM est conçu pour l’efficacité. L’encodage multi-résolution par hachage permet d’interroger la représentation neuronale en temps constant, et les auteurs ont implémenté du code CUDA personnalisé pour déléguer le gros du calcul au processeur graphique. Pour des jeux de données typiques comprenant des millions de pixels et des dizaines d’angles d’éclairage, les temps de reconstruction sont tombés à quelques dizaines de secondes — environ quinze fois plus rapides que des implémentations CPU comparables — tout en atteignant d’importants gains de résolution sur l’ensemble du champ.

Rapprocher la théorie de la pratique

En termes accessibles, ce travail apprend à la « fenêtre » du microscope à se déplacer là où elle doit être, au lieu de la forcer à rester fixe dans un modèle trop simplifié. En laissant un réseau neuronal compact ajuster en continu la manière dont la lumière est filtrée dans l’espace des fréquences, NePE-FPM récupère des détails cellulaires fins de façon uniforme sur de larges zones, réduit l’écart entre ce que la FPM promet théoriquement et ce qu’elle fournit en laboratoire, et le fait à des vitesses pratiques. Pour des applications comme la pathologie numérique ou l’inspection à haut débit, cela ouvre la voie à des images gigapixels dont les bords sont finalement aussi fiables que le centre.

Citation: Shuhe Zhang and Liangcai Cao, "Whole-field, high-resolution Fourier ptychography with neural pupil engineering," Optica 12, 1615-1624 (2025). https://doi.org/10.1364/OPTICA.575065

Mots-clés: microscopie ptychographique de Fourier, imagerie computationnelle, ingénierie neuronale du pupille, imagerie de phase quantitative, microscopie de lames entières