Forskare har återanvänt en algoritm som ursprungligen utvecklats för Netflix 2009 -filmpreferensprognos för att skapa en metod för att förvärva klassiska Raman -spektroskopibilder av biologiska vävnader med aldrig tidigare skådade hastigheter. Förskottet kunde göra det enkla, etikettfri avbildningsmetod praktisk för kliniska tillämpningar såsom tumördetektering eller vävnadsanalys.

I Optica , Optical Society's journal for high-impact research, en multiinstitutionell grupp forskare rapporterar att en beräkningsmässig bildbehandling som kallas komprimerad bildbehandling kan öka bildhastigheten genom att minska mängden förvärvade Raman-spektraldata. De visar bildhastigheter på några tiotals sekunder för en bild som vanligtvis skulle ta några minuter att förvärva och säger att framtida implementeringar kan uppnå hastigheter på en sekund.

Forskarna uppnådde denna bedrift genom att skaffa endast en del av de data som vanligtvis krävs för Raman -spektroskopi och sedan fylla i den saknade informationen med en algoritm som utvecklats för att hitta mönster i Netflix filmpreferenser. Medan algoritmen inte vann Netflix pris på 1 miljon dollar, den har använts för att möta andra verkliga behov, i detta fall ett behov av bättre biologisk avbildning.

"Även om kompressiva Raman -tillvägagångssätt har rapporterats tidigare, de kunde inte användas med biologiska vävnader på grund av deras kemiska komplexitet, "sa Hilton de Aguiar, ledare för forskargruppen vid École Normale Supérieure i Frankrike. "Vi kombinerade komprimerad bildbehandling med snabba datoralgoritmer som ger den typ av bilder som kliniker använder för att diagnostisera patienter, men snabbt och utan mödosam manuell efterbehandling. "

Fånga biomedicinska processer

Ramanspektroskopi är en icke-invasiv teknik som inte kräver någon provberedning för att bestämma den kemiska sammansättningen av komplexa prover. Även om det har visat löfte för att identifiera cancerceller och analysera vävnad för sjukdom, det kräver vanligtvis bildförvärvshastigheter som är för långsamma för att fånga dynamiken i biologiska prover. Att bearbeta den massiva mängden data som genereras av spektroskopisk avbildning är också tidskrävande, särskilt när man analyserar ett stort område.

"Med den metod vi utvecklade, vi tog tag i dessa två utmaningar samtidigt - öka hastigheten och införa ett mer enkelt sätt att skaffa användbar information från de spektroskopiska bilderna, "sa de Aguiar.

Optimera hastigheten

För att påskynda bildprocessen, forskarna gjorde deras Raman -system mer kompatibelt med algoritmen. De gjorde detta genom att ersätta de dyra och långsamma kamerorna som används i konventionella inställningar med en billig och snabb digital mikromirror -enhet som kallas en spatial ljusmodulator. Denna enhet väljer grupper av våglängder som detekteras av en mycket känslig enpixeldetektor, komprimera bilderna när de förvärvas.

"En mycket snabb rumslig ljusmodulator gjorde det möjligt att förvärva bilder och hoppa över databitar mycket snabbt, "sa de Aguiar." Den rumsliga ljusmodulatorn vi använde är storleksordningar billigare och snabbare än andra alternativ på marknaden, vilket gör den övergripande optiska installationen billig och snabb. "

Forskarna demonstrerade sin nya metod med ett Raman -mikroskop för att erhålla spektroskopibilder från hjärnvävnad och enstaka celler, som båda uppvisar hög kemisk komplexitet. Deras resultat visade att metoden kan hämta bilder med hastigheter på några tiotals sekunder och uppnå en hög datakomprimering - vilket reducerar data upp till 64 gånger.

Forskarna tror att det nya tillvägagångssättet bör fungera med de flesta biologiska exemplar, men de planerar att testa det med fler vävnadstyper för att demonstrera detta experimentellt. Förutom kliniska verktyg, metoden kan vara användbar för biologiska tillämpningar såsom algen karakterisering. De vill också förbättra skanningshastigheten för sitt system för att åstadkomma bildförvärv under en sekund.