Onderzoekers hebben een algoritme hergebruikt dat oorspronkelijk is ontwikkeld voor de Netflix-wedstrijd voor het voorspellen van filmvoorkeuren in 2009 om een ​​methode te creëren voor het verkrijgen van klassieke Raman-spectroscopiebeelden van biologische weefsels met ongekende snelheden. Het voorschot zou het eenvoudig kunnen maken, labelvrije beeldvormingsmethode die praktisch is voor klinische toepassingen zoals tumordetectie of weefselanalyse.

In optiek , Het tijdschrift van de Optical Society voor high-impact onderzoek, een multi-institutionele groep onderzoekers meldt dat een computationele beeldvormingsbenadering, bekend als compressieve beeldvorming, de beeldsnelheid kan verhogen door de hoeveelheid verkregen spectrale Raman-gegevens te verminderen. Ze demonstreren beeldsnelheden van enkele tientallen seconden voor een afbeelding die normaal gesproken minuten zou duren om te verwerven en zeggen dat toekomstige implementaties snelheden van minder dan een seconde zouden kunnen bereiken.

De onderzoekers bereikten deze prestatie door slechts een deel van de gegevens te verzamelen die doorgaans nodig zijn voor Raman-spectroscopie en vervolgens de ontbrekende informatie in te vullen met een algoritme dat is ontwikkeld om patronen in Netflix-filmvoorkeuren te vinden. Hoewel het algoritme de prijs van $ 1 miljoen van Netflix niet won, het is gebruikt om aan andere behoeften in de echte wereld te voldoen, in dit geval een behoefte aan betere biologische beeldvorming.

"Hoewel eerder compressieve Raman-benaderingen zijn gemeld, ze konden niet worden gebruikt met biologische weefsels vanwege hun chemische complexiteit, " zei Hilton de Aguiar, leider van het onderzoeksteam aan de École Normale Supérieure in Frankrijk. "We combineerden compressieve beeldvorming met snelle computeralgoritmen die het soort beelden bieden dat clinici gebruiken om patiënten te diagnosticeren, maar snel en zonder moeizame handmatige nabewerking."

Biomedische processen vastleggen

Raman-spectroscopie is een niet-invasieve techniek die geen monstervoorbereiding vereist om de chemische samenstelling van complexe monsters te bepalen. Hoewel het veelbelovend is gebleken voor het identificeren van kankercellen en het analyseren van weefsel op ziekte, het vereist typisch beeldacquisitiesnelheden die te langzaam zijn om de dynamiek van biologische exemplaren vast te leggen. Het verwerken van de enorme hoeveelheid gegevens die door spectroscopische beeldvorming wordt gegenereerd, is ook tijdrovend, vooral bij het analyseren van een groot gebied.

"Met de methodiek die we hebben ontwikkeld, we hebben deze twee uitdagingen tegelijkertijd aangepakt - de snelheid verhogen en een eenvoudigere manier introduceren om nuttige informatie uit de spectroscopische afbeeldingen te halen, ’ zei de Aguiar.

Snelheid optimaliseren

Om het beeldvormingsproces te versnellen, de onderzoekers maakten hun Raman-systeem meer compatibel met het algoritme. Ze deden dit door de dure en langzame camera's die in conventionele opstellingen worden gebruikt te vervangen door een goedkoop en snel digitaal microspiegelapparaat dat bekend staat als een ruimtelijke lichtmodulator. Dit apparaat selecteert groepen golflengten die worden gedetecteerd door een zeer gevoelige detector met één pixel, het comprimeren van de afbeeldingen wanneer ze worden verkregen.

"Een zeer snelle ruimtelijke lichtmodulator maakte het mogelijk om zeer snel beelden te verwerven en databits over te slaan, "zei de Aguiar. "De ruimtelijke lichtmodulator die we gebruikten is orden van grootte goedkoper en sneller dan andere opties op de markt, waardoor de algehele optische setup goedkoop en snel is."

De onderzoekers demonstreerden hun nieuwe methodologie met behulp van een Raman-microscoop om spectroscopiebeelden te verkrijgen van hersenweefsel en afzonderlijke cellen, die beide een hoge chemische complexiteit vertonen. Hun resultaten toonden aan dat de methode afbeeldingen kan verkrijgen met snelheden van enkele tientallen seconden en een hoog niveau van gegevenscompressie kan bereiken, waardoor de gegevens tot 64 keer worden verminderd.

De onderzoekers zijn van mening dat de nieuwe aanpak zou moeten werken met de meeste biologische exemplaren, maar ze zijn van plan het met meer weefseltypes te testen om dit experimenteel aan te tonen. Naast klinische instrumenten, de methode zou nuttig kunnen zijn voor biologische toepassingen zoals de karakterisering van algen. Ze willen ook de scansnelheid van hun systeem verbeteren om beeldacquisitie van minder dan een seconde te realiseren.