Forbedret 3D-billeddannelse er klar til at fremme behandlinger for hjernesygdomme

Forskere har udviklet en kombination af kommercielt tilgængelig hardware og open source-software, kaldet PySight, hvilket forbedrer hurtig 2-D og 3-D billeddannelse af hjernen og andre væv. Ved problemfrit at muliggøre integration af den hurtigste 3D-billedløsning, der er tilgængelig i dag, fremskridt inden for mikroskopi kunne hjælpe forskere med bedre at forstå hjernedynamik og opdage nye behandlinger for helbredsproblemer som slagtilfælde, epilepsi og demens.

I Optica , The Optical Society's journal for high impact research, forskerne beskriver PySight, som fungerer som en tilføjelse til laserscanning-mikroskoper. Gearet med denne nye kombination af software og hardware, de forbedrede kvaliteten af ​​2-D og 3-D billeddannelse af neuronal aktivitet i den levende hjerne.

Fordi det kan billede dybt ind i væv, en laserbaseret billeddannelsesteknik kendt som multiphotonmikroskopi bruges ofte til at studere neurons hurtige aktivitetsmønstre, blodkar og andre celler ved høj opløsning over tid. Denne mikroskopimetode bruger laserpulser til at excitere fluorescerende sonder, fremkalder emission af fotoner, hvoraf nogle opdages og bruges til at danne 2-D og 3-D billeder.

At forsøge at fange hele bredden af ​​neuronal aktivitet med multiphotonmikroskopi tvinger forskere til billedet hurtigere. Som resultat, færre og færre fotoner bliver tilgængelige for at danne billeder, meget gerne tage et foto med kortere og kortere eksponeringstider. Udfordringen bliver derefter, hvordan man får meningsfulde billeder under disse svage forhold.

"For at tackle denne udfordring, mikroskopere har brugt en detektor-aflæsningsmetode kaldet foton tælling, "sagde forskerteamleder Pablo Blinder fra Tel Aviv University i Israel." Dog, fordi implementeringen krævede omfattende elektronikviden og tilpassede komponenter, foton tælling har aldrig været bredt vedtaget. Ud over, kommercielt tilgængelige foton tælleløsninger var dårligt egnede til at udføre meget hurtig billeddannelse, såsom krævet til 3D-billeddannelse. PySights lette installationsprocedure og dets integration med state-of-the-art hardware eliminerer sådanne bekymringer. "

Ud over at fremme neurologisk billeddannelse, PySights forbedrede følsomhed kunne lette hurtig intraoperativ identifikation af maligne celler hos mennesker ved hjælp af multiphotonmikroskopi. PySights nye tilgang til rekonstruktion af 3D-scener kan også forbedre lysdetektering og rækkevidde, eller LIDAR. Dette kan hjælpe med at sænke omkostningerne ved selvkørende biler, der bruger LIDAR til at kortlægge deres omgivelser.

Registrering af enkeltfotoner i 3D

PySight giver høj spatiotemporal opløsning, samtidig med at der produceres en datastrøm, der skaleres med antallet af detekterede fotoner, ikke den volumen eller det område, der skal afbildes. "Konventionel dataindsamlingshardware gemmer lysstyrken for hver pixel eller 3D-voxel, selv når den er nul, da der ikke blev registreret fotoner på det pågældende sted, "Blinder forklaret." PySight, imidlertid, gemmer kun den præcise detektionstid for hver foton. Hvis der ikke blev registreret fotoner, intet bliver skrevet til disken. Dette gør det muligt for forskere at foretage hurtig billeddannelse af store mængder over lange sessioner, uden at gå på kompromis med rumlig eller tidsmæssig opløsning. "

For at rekonstruere et multidimensionelt billede, at vide, hvornår hver foton rammer detektoren, er ikke nok. Det er nødvendigt også at vide, hvor det stammer fra hjernen. "Dette er endnu vanskeligere, hvis du vil forenkle systemet og undgå at synkronisere de forskellige scanningselementer, "sagde Blinder." For at opnå dette, vores software læser en liste over fotonens ankomsttider sammen med timingsignaler fra scanningselementerne, bestemmer oprindelsen af ​​hver foton i prøven og genererer de tilsvarende 3D-film. "

Fotonets ankomsttider genereres af en enhed, der kaldes en tidsbegivenhed med flere begivenheder, eller multiscaler, som registrerer tiderne med en præcision på 100 picosekunder. En anden nøglekomponent var en resonant aksial scanningslinse på hylden, der ændrer fokusplanet hundredtusindvis af gange i sekundet. Denne linse blev brugt til hurtigt at scanne laserstrålen på tværs af forskellige dybder i hjernen og tillod teamet at rekonstruere kontinuerlige 3D-billeder.

Lettere, omkostningseffektiv, kontinuerlig 3D-billeddannelse

"Multiscaleren, vi brugte, er ikke blevet anvendt på neuroimaging, fordi output ikke er let at fortolke, og brug af en resonant aksial scanningslinse til biobilleder har krævet specialfremstillet scanningssynkroniseringshardware eller proprietær kode for at opnå 3D-data, "sagde Blinder." PySight gør ubesværet output fra begge komponenter til en 3D-film uden besvær. Da Pysight er gratis og open-source software, det skulle i høj grad hjælpe laboratorier, der tidligere var afskrækket af den høje tekniske barriere, der fulgte med kontinuerlig 3D-billeddannelse. "Yderligere, have en generisk applikationsgrænseflade, PySight kan også bruges til at fortolke lignende fotondetekteringstider fra andre egnede hardwareenheder.

For at teste, om PySight virkelig var plug and play, forskerne gik med deres multiscaler til et andet billedlaboratorium på Tel Aviv University campus. De var i stand til blot at tilslutte enheden til det eksisterende multiphotonmikroskop, download PySight-softwaren, og begynd at optage enkeltsporede lugtresponser i frugtfluer genetisk modificeret til at udtrykke spændingsindikatorer. Denne hurtige sonde til neuronal aktivitet registrerer de fineste aspekter af neuronal aktivitet, men alligevel betragtes den som for svag til at blive brugt uden at foton tæller med denne type mikroskopi. PySight -muligheder baner vejen for og nem implementering af multiphoton -spændingsbilleddannelse i næsten ethvert laboratorium.

Ud over at fortsætte med at forbedre PySight -softwaren, forskerne vil gerne tilføje støtte til andre mikroskopi billeddannelsesmetoder såsom fluorescens levetid billeddannelse, som er afhængig af timingen af ​​hver foton i forhold til dens oprindelige laserpuls. Fordi softwaren er open source og giver direkte adgang til fotonens ankomsttider, det gør det muligt for andre forskere at tilføje nye funktioner og opfylde deres specifikke behov.