《苏州医工所在超构表面微型高光谱成像研究中取得进展》

  • 来源专题:生物安全知识资源中心—领域情报网
  • 编译者: hujm
  • 发布时间:2023-05-19
  •  光谱是物质的基本属性之一,被视为物质的指纹。光谱成像通过记录不同空间位置的光谱来捕捉物质的空间和光谱信息,不仅可以感知物质的客观存在,还可以了解物质的组分。光谱成像技术已被广泛用于食品安全、生物医学、环境监测和卫星遥感等领域。光谱成像系统通常由光谱器件(色散元件或滤色片)和CMOS图像传感器组成。由于这些光谱器件的体积和质量普遍较大,导致成像系统的结构复杂、体积庞大且成像速度较慢。这与实际应用中小型化、轻量化和集成化的需求相矛盾。

      为解决上述问题,中国科学院苏州医工所李辉团队与中国科学院光电所郭迎辉团队合作,研发了一种基于超构表面的微型高光谱成像器件。科研人员首先提出并验证了准随机超级单元构成的计算型高光谱超构表面设计方法。准随机超级单元具有严格的对称性,光谱器件的偏振敏感性较低,因此由准随机超级单元构成的光谱器件可以更好地应用于复杂的工作环境。而超级单元的周期打破了亚波长尺度的限制,设计自由度得到显著提升,极大丰富了单元结构的种类,使选择的单元结构对应的透射光谱满足了压缩感知算法的需求,同时也降低了超构表面的加工难度,缩减了器件加工的成本和周期。

      超构表面每个超级单元采用遗传算法和压缩感知来实现高光谱重构。考虑到重构图像质量和空间分辨率,科研人员针对窄带光谱信号和宽带光谱信号设计了两款不同的高光谱器件(CHDNS和CHDBS)。在窄带光谱信号入射时,CHDNS的光谱分辨率为6nm,其重构的复杂窄带光谱的峰值波长误差为0.05nm,线宽误差为0.6nm。在宽带光谱信号输入时,CHDBS重构的高光谱图像的平均信号保真度高达92%。CHDBS阵列可与CMOS芯片集成,用于单次高光谱成像,有望应用于生物制药、病理分析等方面。这种计算型高光谱器件的设计为小型化和便携式高光谱设备和系统的研发开辟了新的可能。

      该研究成果以“Computational hyperspectral devices based on quasi-random metasurface supercells”为题发表于Nanoscale(IF:8.307),其中论文第一作者为苏州医工所博士生陈聪和中国科学院光电所助理研究员李晓银,通讯作者为苏州医工所李辉研究员和中国科学院光电所郭迎辉研究员。

      该项工作获得了中国科学院科研仪器设备研制项目(YJKYYQ20200074),国家自然科学基金(61805272, 61875253, 62141506),中国科学院C类战略性先导科技专项(XDC07040200)的资助与支持。

      论文链接:https://pubs.rsc.org/en/content/articlelanding/2023/nr/d3nr00884c/unauth

  • 原文来源:http://www.sibet.cas.cn/kxyj2020/kyjz_169572/202305/t20230505_6749129.html
相关报告
  • 《苏州医工所李辉团队在SIM超分辨显微成像研究中取得系列进展》

    • 来源专题:生物安全知识资源中心—领域情报网
    • 编译者:hujm
    • 发布时间:2023-07-12
    •  结构光照明显微镜(SIM)以成像速度快、无需特殊荧光标记和光毒性小等优势,被视为当前最适合活细胞成像的超分辨(SR)技术。经过二十多年的快速发展,SIM在成像理论和应用研究方面都取得了长足进步,但依然有许多普遍存在的棘手问题亟待解决和完善。   中国科学院苏州生物医学工程技术研究所李辉团队着眼于解决SIM在实际生物成像应用中的短板,致力于打造“user acknowledgeable”的SIM成像技术和仪器装备,最近在避免结构光参数估计、深度学习图像重构、升级宽场显微镜系统的模块化SIM解决方案等方面取得系列重要进展。   长期以来,大多数SIM算法直接或间接遵循标准的Wiener-SIM架构或依赖于其重建结果。Wiener-SIM重建涉及耗时的照明条纹参数估计和伪影敏感的频域去卷积。此前,李辉团队发展了基于“频谱优化”理念的高保真SIM重建技术HiFi-SIM并发表于Light: Science & Applications, 10, 70, (2021),有效克服了SIM图像中的典型伪影,但HiFi-SIM仍依赖于结构光条纹参数的精确估计。然而,条纹参数很小的偏差就会导致Wiener-based SIM算法产生明显伪影,实践中现有的参数估计方法在很多成像场景中经常难以估计出可靠的条纹参数。更关键地,Wiener-SIM重建假设条纹参数在成像视场内均匀分布,但采集图像的条纹参数不仅依赖于条纹质量还受样本特性影响,因此难以保证全视场中的均一性。   针对上述问题,李辉团队的文刚等开发了一种无需估计结构光条纹参数的直接重建SIM算法,direct-SIM (direct reconstruction SIM algorithm)。该方法采用空域直接重建与频域频谱优化相结合的联合重建策略,避免了耗时且麻烦的条纹参数估计,同时采用新型频谱优化策略绕过了伪影敏感的频域Wiener滤波去卷积(图1a)。得益于其局域独立重建的特性,direct-SIM对于包含多组不同条纹的场景依然能够重建高质量SR图像(图1b)。该研究成果以“Spectrum-optimized direct image reconstruction of super-resolution structured illumination microscopy”为题发表于PhotoniX 期刊(中国科学院1区Top,IF16.5),其中,文刚副研究员为第一作者,唐玉国研究员和李辉研究员为通信作者。   论文链接:https://photonix.springeropen.com/articles/10.1186/s43074-023-00092-6 相比于上述基于物理模型的SIM算法,深度学习近年来被广泛用于SIM超分辨图像重建来减少样本光漂白和光毒性。然而,数据驱动的深度学习算法用于预测未经训练的生物结构的可靠性仍饱受质疑。当前,基于深度学习的SIM算法需要对不同生物样本单独训练以达到理想的预测性能,但仍难以可靠地应用于未训练结构的观察。   为此,李辉团队进一步发展了一种基于关键帧辅助的动态SIM成像方程,命名为KFA-RET:在动态成像过程中,第1帧SR图像由成像初始采集的完整原始图像通过传统SIM重建算法重建,该高保真SR图像被作为关键帧参与后续重建;随后通过基于深度学习的重构算法KFA-RET实现宽场图像的SR重建。KFA-RET以关键帧结构作为参照并结合生物结构的时间连续性,极大地提高了重建SR图像的质量,同时有效地减少了光漂白和光毒性。此外,KFA-RET对网络未训练过的新生物样本结构也具有很强的迁移能力。该研究成果以“Keyframe-aided resolution enhancement network for dynamic super-resolution structured illumination microscopy”为题发表于Optics Letters,其中博士研究生唐于珺为论文第一作者,李辉研究员为通信作者。   论文链接:https://doi.org/10.1364/OL.491899 为了适应更多不同用户对SIM成像仪器配置的要求,李辉团队在之前开发安装于显微侧边的结构光照明插件(HiFi-SIM-C)的基础上,进一步开发了安装于显微镜后口的结构光照明模块HiFi-SIM-B。可安装于多款国产和进口的倒置荧光显微镜,并且与常规的宽场荧光照明器兼容,具有体积小、稳定性高、安装方便等优点,为实验室原有荧光显微镜进行高性价比的超分辨升级改造提供了更多选择。目前,搭载在国产舜宇IRX60倒置荧光显微镜的HiFi-SIM-B样机在2023年细胞生物学大会展,获得广泛关注。搭载在奥林帕斯IX73手动倒置荧光显微镜的HiFi-SIM-B样机也于近期交付中国科学技术大学生命科学院使用。
  • 《苏州医工所在微小模式生物流式成像研究方面取得进展》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-01-17
    • 模式生物是生命科学研究中的理想研究材料,生命科学领域的发展强烈依赖于模式动物资源的开发与利用,以斑马鱼、线虫、涡虫等为代表的微小模式动物在基于生命体活体表征的疾病模型药物筛选中发挥着越来越重要的作用。然而,目前在利用微小型模式动物开展科学研究过程中主要以手工分拣筛选和利用传统显微镜进行局部成像为主,不仅工作量大而且数据采集效率低下,无法实现大规模实时分析,无法有效发挥微小模式动物的自身优势,更无法适应中大规模遗传/药物筛选需求。因此,生命科学领域需要一套基于大颗粒成像的流式分析与分选系统,来帮助他们进行高效率的微小模式生物的成像及分选。   在中国科学院仪器装备研制项目的支持下,由上海生科院潘巍峻研究员提出需求和应用方向,中国科学院苏州医工所李辉课题组开发了一套针对斑马鱼等微小模式动物高速成像及分选系统。类似于流式细胞仪对细胞进行检测与成像,本系统实现对 100 微米 ~ 2mm 的微小模式生物流过微流道时的高通量自动成像。系统采用片层光照明和高速的线阵 CCD相机,成像速度可以达到每秒 10到15胚胎 ,比国外类似成像设备成像速度提高 10倍以上。   针对采集到的大量斑马鱼胚胎图像,本工作进一步开发了图像分割及识别的软件算法。可以使用自动识别出未破膜的斑马鱼胚胎和已破膜的斑马鱼胚胎,并可根据识别的结构自动进行胚胎死亡 \存活的判读,以及胚胎形态特征的自动分析。   本设备的开发将满足并积极推动微小型模式动物在生物医学领域中的大规模应用,加速相关领域研究进展和基于表型筛选的新型药物研发进程。相关工作已发表在美国光学学会期刊 Biomedical Optics Express上 (DOI: https://doi.org/10.1364/BOE.8.005651),被被选为 Editors’pick 文章重点推荐。