《突破 | 苏州医工所在团簇发光荧光微球的研究中取得进展》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: husisi
  • 发布时间:2024-09-13
  • 白光发光二极管(WLED)作为一种节能、长寿命的固态照明技术,因其具有节能、寿命长、可靠性高、环境友好等诸多优点而得到广泛应用。相较基于无机发光体的WLED而言,聚合物发光二极管(PLED)提供了溶液处理的简化制造方案。通常,制造白光聚合物发光二极管(WPLED)需将多种荧光团加入聚合物基质以制得白光,这种多荧光团方法要求精确控制不同单体的比例,以确保各种荧光团的发射强度达到适当的平衡,增加了生产的复杂度,而开发单荧光团白光聚合物能显著简化WPLED制造工艺。最近研究发现一些非共轭荧光材料(Materials Today,2020,32: 275-292),虽无π共轭结构,但在聚集状态下能发射可见光,称为团簇发光(CL)。这些基于CL的非传统发光聚合物(NPLs)具备多重发射特性,适用于白光发射。不过,相较于共轭荧光材料,大部分NPLs主要发射蓝光,只有少数能发射红光或白光。

    为了实现长波长NPLs的制备,苏州医工所白鹏利团队通过交联和磺化反应制备了发白色和橙色光的聚苯乙烯微球,该材料具有覆盖整个可见光范围的宽发射光谱。利用这一发现,仅使用单一类型的磺化多孔聚(苯乙烯-二乙烯基苯)微球(SPDMs)便成功制造了性能优异的WPLEDs。同时,这些单分散的SPDMs在多个流式通道上展示出低荧光分布(CV < 5%),对流式校准材料领域的应用展现了巨大潜力。在另一实验中,通过将磺酸基团用钠磺酸盐转换,还获得了绿色荧光SPDMs,并使用三种(白色、绿色和橙色)SPDMs微球构建了Cu2+和pH响应的微阵列,用于加密和解码重要信息。这项工作为设计长波长NLPs提供了一种新颖、经济、有效的策略,并拓宽了NLPs在流式校准、防伪和LED制造中的应用。

    图1.单分散团簇发光SPDMs的制备及应用示意图

    图2.不同磺化度SPDMs微球的荧光性能

    图3.单分散SPDMs-50-3微球的荧光显微镜与流式测试

相关报告
  • 《突破 | 苏州医工所在多聚焦图像融合领域取得进展》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2023-11-23
    • 景深是光学系统中最近和最远的清晰成像平面之间的距离。景深越大,该光学系统可清晰成像的范围就越广。由于光学镜头的景深限制,难以获得全聚焦图像,即其中往往存在一部分模糊区域。解决这一问题的有效方法之一是多聚焦图像融合(MFIF)。MFIF旨在将对同一场景中的不同物体分别进行聚焦得到的多幅局部聚焦图像进行融合,得到所有物体都清晰的全聚焦图像。MFIF可以有效的扩展光学镜头的景深,使成像系统突破景深限制,以获得更高质量的图像。 目前,在MFIF领域中,深度学习方法的效果明显优于传统算法。近年来,基于深度学习的MFIF算法发展迅速,但科学家往往致力于设计越来越复杂的网络结构、模块和损失函数来提升算法的融合性能。这意味着必须花费大量的时间来设计巧妙的网络结构,并完成足够多的对比实验。而这不利于算法性能的提升,导致当前的MFIF算法性能遇到了瓶颈。 为此,中国科学院苏州生物医学工程技术研究所付威威团队重新考虑了图像融合任务,并将其建模为一种条件生成模型。该团队结合当前图像生成领域效果最好的扩散模型(Diffusion Models),提出了一种基于扩散模型的MFIF算法——FusionDiff(FusionDiff的图像融合原理如图1所示)。这是该扩散模型在多聚焦图像融合领域的首次应用,为该领域的研究提供了新思路。 经过实验验证,FusionDiff在融合效果和小样本学习性能上均优于其他MFIF算法。FusionDiff在8种评价指标上与13种代表性的MFIF算法进行了对比,取得了最好的融合效果(表1、2)。同时,FusionDiff是一种小样本学习的MFIF算法,仅需要100对训练集就能够取得良好的融合效果。表3展示了不同MFIF算法的训练集规模,FusionDiff的训练集规模降低为其他算法的2%以内。这意味着该算法可能适用于样本稀缺的应用场景,如显微图像融合。 相关研究成果以FusionDiff: Multi-focus image fusion using denoising diffusion probabilistic models为题,发表在《专家系统与应用》(Expert Systems with Applications)上。研究工作得到山东省自然科学基金和中国科学院青年创新促进会的支持。 图1. FusionDiff算法的图像融合原理示意图 表1. 在Lytro公开测试集上所有算法的平均得分 表2. 在MFFW公开测试集上所有算法的平均得分 表3. 不同MFIF算法的训练集规模
  • 《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。