Digital holographic microscopy: algorithms for physics-based simulation and AI-driven recognition

Over the past two decades, there has been growing interest in digital holographic microscopy (DHM) for bio-applications. Its label-free and quantitative imaging capabilities render it attractive for analysing transparent biological particles. Among its potential applications, biohazard detection is an area still lacking reliable, rapid and field-deployable tools, an unmet need that DHM could help address. However, DHM development is fragmented due to missing standardization, a scarcity of annotated holographic datasets and the absence of reproducible approaches to system optimization and image analysis. This PhD research aims to advance DHM for biohazard detection by addressing the full pipeline, from simulation-based investigations for system design and dataset generation, to sample preparation and image analysis frameworks development. Numerical simulations based on Lorenz–Mie theory and the finite difference time domain (FDTD) method are implemented to model particle-light interactions and produce synthetic holograms. These simulations enable to evaluate how hardware configurations and sample properties affect holographic signals, guiding hardware design and algorithm development. Image analysis pipelines are developed and tested on the simulated data, exploring AI-based object detection and classification. The influence of sample preparation on hologram quality is also assessed, identifying variables that affect reproducibility and robustness of downstream algorithms. Finally, a preliminary analysis of real holograms acquired with multiple custom DHM setups under diverse experimental conditions is presented. Together, the results highlight the need to integrate accurate simulations, standardized protocols and effective algorithmic analysis for DHM systems to advance in environmental monitoring and biosafety applications.

Negli ultimi due decenni, si è registrato un crescente interesse verso la microscopia digitale olografica (DHM) per applicazioni in ambito biologico. Le sue capacità di imaging quantitativo e senza marcatori la rendono particolarmente attraente per l'analisi di particelle biologiche trasparenti. Tra le sue potenziali applicazioni, la rilevazione di agenti biologici pericolosi rappresenta un ambito ancora privo di strumenti affidabili, rapidi e utilizzabili sul campo, un’esigenza tuttora insoddisfatta che la DHM potrebbe contribuire a colmare. Tuttavia, lo sviluppo della DHM risulta frammentato a causa della mancanza di standardizzazione, della scarsità di dataset olografici annotati e dell’assenza di approcci riproducibili per l’ottimizzazione del sistema e l’analisi delle immagini. Questa ricerca di dottorato mira a far progredire la DHM per la rilevazione di minacce biologiche affrontando l’intera sequenza di fasi operative e di elaborazione, dagli studi basati su simulazioni per la progettazione del sistema e la generazione di dataset, alla preparazione dei campioni e allo sviluppo di strutture metodologiche per l’analisi delle immagini. Sono state implementate simulazioni numeriche basate sulla teoria di Lorenz-Mie e sul metodo delle differenze finite nel dominio del tempo (FDTD) per modellare le interazioni tra particelle e luce e generare ologrammi sintetici. Queste simulazioni permettono di valutare come le configurazioni hardware e le proprietà dei campioni influenzino i segnali olografici, guidando così la progettazione dell’hardware stesso e lo sviluppo degli algoritmi. Sono state sviluppate e testate sui dati simulati procedure per l’analisi delle immagini, esplorando tecniche di rilevamento e classificazione degli oggetti basate sull’intelligenza artificiale (AI). È stata inoltre valutata l’influenza della preparazione dei campioni sulla qualità degli ologrammi, identificando le variabili che influiscono sulla riproducibilità e robustezza degli algoritmi a valle. Infine, è stata presentata un’analisi preliminare degli ologrammi reali acquisiti con diversi sistemi DHM in condizioni sperimentali distinte. Nel complesso, i risultati evidenziano la necessità di integrare simulazioni accurate, protocolli standardizzati e analisi algoritmiche efficaci affinché i sistemi DHM possano avanzare nelle applicazioni di monitoraggio ambientale e di biosicurezza.