Forskere bruger algoritme fra Netflix challenge til at fremskynde biologisk billeddannelse

Forskere har genbrugt en algoritme, der oprindeligt blev udviklet til Netflixs 2009 filmpræferencekonkurrence for at skabe en metode til at erhverve klassiske Raman-spektroskopibilleder af biologiske væv med hidtil usete hastigheder. Fremskridtet kunne gøre det enkle, etiketfri billeddannelsesmetode praktisk til kliniske anvendelser såsom tumordetektion eller vævsanalyse.

I Optica , The Optical Society's journal for high-impact research, en multi-institutionel gruppe af forskere rapporterer, at en computerbaseret billeddannelsestilgang kendt som komprimerende billeddannelse kan øge billeddannelseshastigheden ved at reducere mængden af ​​Raman-spektraldata, der erhverves. De demonstrerer billedhastigheder på et par tiere af sekunder for et billede, der typisk vil tage minutter at erhverve, og siger, at fremtidige implementeringer kan opnå hastigheder på under sekunder.

Forskerne opnåede denne bedrift ved kun at erhverve en del af de data, der typisk kræves til Raman-spektroskopi, og derefter udfylde de manglende oplysninger med en algoritme udviklet til at finde mønstre i Netflix-filmpræferencer. Selvom algoritmen ikke vandt Netflix' 1 million dollars pris, det er blevet brugt til at opfylde andre behov i den virkelige verden, i dette tilfælde et behov for bedre biologisk billeddannelse.

"Selvom der tidligere er rapporteret om kompressive Raman-tilgange, de kunne ikke bruges med biologiske væv på grund af deres kemiske kompleksitet, " sagde Hilton de Aguiar, leder af forskerholdet ved École Normale Supérieure i Frankrig. "Vi kombinerede komprimerende billeddannelse med hurtige computeralgoritmer, der giver den slags billeder, klinikere bruger til at diagnosticere patienter, men hurtigt og uden besværlig manuel efterbehandling."

Indfangning af biomedicinske processer

Raman-spektroskopi er en ikke-invasiv teknik, der ikke kræver prøveforberedelse for at bestemme den kemiske sammensætning af komplekse prøver. Selvom det har vist sig lovende for at identificere kræftceller og analysere væv for sygdom, det kræver typisk billedoptagelseshastigheder, der er for langsomme til at fange dynamikken i biologiske prøver. Behandling af den enorme mængde data, der genereres af spektroskopisk billeddannelse, er også tidskrævende, især når man analyserer et stort område.

"Med den metode, vi udviklede, vi tog fat på disse to udfordringer samtidigt - at øge hastigheden og introducere en mere ligetil måde at få nyttig information fra de spektroskopiske billeder på, sagde de Aguiar.

Optimering af hastighed

For at fremskynde billeddannelsesprocessen, forskerne gjorde deres Raman-system mere kompatibelt med algoritmen. Det gjorde de ved at erstatte de dyre og langsomme kameraer, der bruges i konventionelle opsætninger, med en billig og hurtig digital mikrospejlenhed kendt som en rumlig lysmodulator. Denne enhed udvælger grupper af bølgelængder, der detekteres af en meget følsom enkelt-pixel detektor, komprimering af billederne, efterhånden som de erhverves.

"En meget hurtig rumlig lysmodulator gjorde det muligt at hente billeder og springe databits over meget hurtigt, " sagde de Aguiar. "Den rumlige lysmodulator, vi brugte, er størrelsesordener billigere og hurtigere end andre muligheder på markedet, gør den overordnede optiske opsætning billig og hurtig."

Forskerne demonstrerede deres nye metode ved hjælp af et Raman-mikroskop til at opnå spektroskopibilleder fra hjernevæv og enkeltceller, som begge udviser høj kemisk kompleksitet. Deres resultater viste, at metoden kan optage billeder med hastigheder på et par ti sekunder og opnå et højt niveau af datakomprimering - hvilket reducerer dataene op til 64 gange.

Forskerne mener, at den nye tilgang bør fungere med de fleste biologiske prøver, men de planlægger at teste det med flere vævstyper for at demonstrere dette eksperimentelt. Ud over kliniske værktøjer, metoden kan være nyttig til biologiske anvendelser såsom algekarakterisering. De ønsker også at forbedre scanningshastigheden af ​​deres system for at opnå sub-sekund billedoptagelse.