Wist je dat muziek en diagnostische beeldvorming iets gemeen hebben? Geluiden hebben een lagere of hogere toonhoogte, afhankelijk van de grootte van het object dat ze creëert. Tuba's en contrabassen zijn groots en produceren diepe lage tonen, terwijl fluiten en violen klein zijn en hoge tonen produceren. Wat interessant is, is dat hetzelfde effect optreedt wanneer biologische structuren zoals cellen of weefsels geluid uitzenden - de toonhoogte varieert met de grootte.

Maar wat voor soort geluiden maken biologische structuren? Bovendien, hoe kunnen we naar ze luisteren?

Door gebruik te maken van de correlatie tussen grootte en toonhoogte, een door Ryerson geleid onderzoeksteam dat werkt vanuit het Institute for Biomedical Engineering, Science &Technology (iBEST) in het St. Michael's Hospital heeft onlangs een manier van beeldvorming ontwikkeld die zo nieuw is dat hun onderzoeksresultaten werden gepubliceerd in het tijdschrift Nature, Communicatie Fysica .

Een appreciatie van deze doorbraak begint met de basis van foto-akoestische (PA) beeldvorming, een modaliteit die snel terrein wint in biomedisch onderzoek. Net als zijn neef Ultrasound (VS) beeldvorming, PA-beeldvorming creëert een visueel beeld van biologische structuren door geluidsgolven te verzamelen.

Terwijl de Amerikaanse beeldvormingstechnologie inhoudt dat geluidsgolven naar een biologische structuur worden gestuurd en naar de echo's wordt geluisterd terwijl ze rondkaatsen, PA-beeldvormingstechnologie doet iets heel anders.

"Met fotoakoestische beeldvorming, we projecteren licht in structuren die het absorberen, zoals bloedvaten, " zegt dr. Michael Kolios, de PA-beeldvormingspionier die de studie begeleidde. "Lichtgolven zorgen ervoor dat biologische structuren een fractie opwarmen, die een bijna onmerkbare volumevergroting veroorzaakt. Wanneer dat gebeurt, geluid wordt gegenereerd, als de donder na een blikseminslag."

De meeste bestaande PA-beeldvormingstechnieken meten amplitude (luidheid), het weergeven van gebieden die luidere geluiden uitzenden met helderdere pixels. Wat het door Ryerson geleide team wilde ontwikkelen, was een techniek die de frequentie (pitch) zou meten van geluiden die worden uitgezonden door biologische structuren.

"Afhankelijk van de grootte van een biologische structuur, de toonhoogte van de geluidsgolven die het uitzendt zal hoger of lager zijn, " zegt dr. Michael Moore, een medische fysica-resident in het Grand River Hospital in Kitchener die het onderzoeksteam leidde als een doctoraatsstudent onder toezicht van Kolios. "Als we binnenkomende geluiden zouden kunnen filteren op frequentie, we zouden afbeeldingen kunnen maken die zich richten op structuren van een bepaalde grootte, die zou helpen om functies te onthullen die anders verborgen of minder prominent zouden zijn."

Het team ontwikkelde een techniek die ze F-Mode noemen (voor frequentie), waardoor ze PA-signalen konden onderverdelen in verschillende frequentiebanden. Vervolgens demonstreerden ze met succes selectieve verbetering van kenmerken van verschillende groottes in monsters, variërend van biologische cellen tot levende zebravislarven - allemaal zonder het gebruik van contrastkleurstoffen die normaal gesproken nodig zijn bij andere geavanceerde beeldvormingstechnieken.

Moore en Kolios wijzen er snel op dat een sleutel tot hun succes de mogelijkheid was om bij iBEST en met Dr. Xiao-Yan Wen en zijn team bij Zebrafish Center for Advanced Drug Discovery te werken. "Zonder de kennis en expertise van het team van het Wen Lab, het zou niet mogelijk zijn geweest om aan te tonen dat onze techniek werkt, " zegt Moor.

Het onderzoeksteam, waaronder Ryerson Biomedical Physics promovendi Eno Hysi en Muhannad Fadhel, neemt nu stappen om F-Mode te vertalen naar klinische toepassingen, waar het van groot nut zal zijn. Bijvoorbeeld, het vermogen om kenmerken van verschillende schalen te segmenteren en te verbeteren heeft een aanzienlijk potentieel op gebieden zoals oogheelkunde, neurochirurgie en de detectie van verschillende aandoeningen zoals hypertensie.