Когерентную рамановскую микроскопию можно расширить за счет объединения инструментов и компьютеров.

Рамановское рассеяние — это процесс неупругого рассеяния, при котором происходит обмен энергиями между фотонами и молекулами для передачи информации о молекулярных колебаниях. Микроспектроскопия комбинационного рассеяния стала незаменимым аналитическим инструментом в биологии и медицинской хирургии, в основном благодаря двум «бесплатным» функциям: без меток и без водного фона.

Эти преимущества позволяют нам изучать живые образцы без эндогенных возмущений. Кроме того, пики комбинационного рассеяния имеют гораздо более узкую спектральную полосу пропускания, чем спектр излучения флуоресцентных красителей, что позволяет одновременно изучать различные виды метаболизма в одной и той же среде.

В новой статье, опубликованной в электронный светдоктор Хаонан Линь и профессор Цзи-Синь Ченг из Бостонского университета рассмотрели комбинацию инструментальных и вычислительных подходов к когерентному комбинационному рассеянию (CRS).

Несмотря на его значительные преимущества, один из фундаментальных недостатков рамановского рассеяния заключается в его сильно ограниченных поперечных сечениях. Типичное рамановское поперечное сечение составляет 10^-30 см² на молекулу, что приводит к очень длительному времени интеграции сигнала от секунд до минут на фокальное пятно. Такая ограниченная скорость делает непрактичным выполнение попиксельного изображения динамических систем. Был введен нелинейно-оптический процесс для когерентного усиления сигналов комбинационного рассеяния и нарушения основных ограничений поперечного сечения.

При использовании двух синхронизированных сверхбыстрых лазеров когерентные рамановские сигналы возникали при когерентном антистоксовом рамановском рассеянии (КАРС) и вынужденном рамановском рассеянии (ВКР). В ХКР два лазерных поля синхронно взаимодействуют с молекулой-мишенью. Когда частота биений соответствует колебательной моде комбинационного рассеяния, происходит когерентно усиленный процесс передачи энергии. Он аннигилирует фотон накачки, преобразует его в стоксов луч и генерирует фотоны с новой частотой.

CRS обеспечивает высокоскоростную химическую визуализацию на основе собственных пиков комбинационного рассеяния биологических образцов. Однако биологические образцы представляют собой сложные микросистемы, состоящие из различных метаболитов, которые часто имеют спектральные перекрытия, особенно в сильной, но переполненной углеродно-водородной (СН) области.

Это затрудняет количественный анализ и идентификацию химических веществ в клетках и тканях с использованием узкополосного одноцветного CRS. За последние годы были предприняты значительные усилия для разработки гиперспектральной CRS, которая создает спектр комбинационного рассеяния света в каждом пикселе.

Гиперспектральное изображение открывает возможности для расшифровки информации о химическом составе и изобилии в сложной среде. Однако из-за высокой размерности необработанного изображения такая информация не всегда доступна. Требуются алгоритмы для идентификации основных чистых компонентов и декомпозиции карт концентраций.

Параллельно с развитием инструментов для гиперспектральной CRS сообщалось о различных методах разделения гиперспектральных изображений. В зависимости от того, предоставлена ​​ли предварительная информация о составе чистых компонентов, мы разделяем их на контролируемые и неконтролируемые методы.

Инновации в области приборостроения позволили получить изображения CRS со скоростью до 2 кГц и спектральным охватом до 3500 см2.^-1и скорость набора спектра до 5 мкс на спектр. Однако эти условия не могут быть реализованы одновременно из-за физического предела, определяемого пределом чувствительности КРС.

Например, дальнейшее увеличение скорости приведет к ухудшению отношения сигнал-шум (SNR) установки, что сделает ее непригодной для биомедицинских приложений. При ограничении фотоповреждений этот компромисс можно представить как дизайнерское пространство. Это гиперплоскость, пересекающаяся с тремя осями, представляющими скорость, спектральную полосу пропускания и ОСШ. Оптимизация инструментов позволяет системе достичь оптимальной точки состояния на гиперплоскости, но выход за ее пределы остается сложной задачей.

Исследовательская группа представила различные вычислительные методы, используемые для расширения границ химической микроскопии CRS. Следует обратить внимание на применимый диапазон вычислительных алгоритмов, чтобы избежать ошибочной интерпретации измерений. Оценка того, может ли прямая модель надлежащим образом описать лежащий в основе физический процесс, имеет решающее значение. Он включает в себя статистическое распределение шума измерения, ядро ​​свертки изображений системы обработки изображений и другие методы.

Необходимо провести тщательные эксперименты, чтобы охарактеризовать прямую модель и откалибровать параметры модели. Когда используются предшествующие модели/регуляризации, необходимо всестороннее понимание сигнала. Настройка гиперпараметров для предыдущих моделей имеет решающее значение для получения правильных результатов и может потребовать итеративных обновлений и проверок.

Для приложений глубокого обучения, хотя задача сложного моделирования обратной задачи упрощается, необходим соответствующий выбор сетевых структур и достаточно большие наборы данных для обучения и проверки.

Заглядывая в будущее, исследовательская группа ожидает, что достижения в области приборостроения будут продолжать увеличивать пропускную способность данных во временном, пространственном и спектральном измерениях. Они должны предоставлять больше возможностей для структур данных, таких как разреженность и корреляция. Между тем, новые вычислительные методы могут быть использованы для преодоления компромиссов в области дизайна и обеспечения обогащенных химических составов для биомедицинских исследований. С быстрым развитием вычислительной оптической микроскопии мы ожидаем, что в CRS проникнет больше идей.

Поскольку большинство вычислительных методов сосредоточены на широкопольных реализациях, перевод в CRS-микроскопию нетривиален. Необходимо выполнить обширное моделирование, проектирование системы и разработку алгоритма, чтобы обеспечить применимость к изображениям CRS. В будущем вычислительные методы будут играть еще более важную роль, поскольку существующие методы остаются жизнеспособными для расширения недавно созданного пространства проектирования. Могут появиться новые методы для достижения прорывов в таких аспектах, как поле зрения, глубина изображения и пространственное разрешение.