Microscopía amplificada codificada en tiempo en serie
Time Stretch Microscopy, también conocida como imágenes / microscopía amplificadas codificadas en tiempo en serie o imágenes / microscopías amplificadas codificadas en tiempo prolongado ( STEAM ), es un método rápido de imágenes ópticas en tiempo real que proporciona una velocidad de fotogramas en MHz, una velocidad de obturación de ~ 100 ps y ~ Ganancia de imagen óptica de 30 dB (× 1000). Basado en la técnica Photonic Time Stretch, STEAM tiene récords mundiales de velocidad de obturación y velocidad de fotogramas.en imágenes continuas en tiempo real. STEAM emplea Photonic Time Stretch con amplificación Raman interna para realizar una amplificación de imagen óptica para evitar el equilibrio fundamental entre sensibilidad y velocidad que afecta prácticamente a todos los sistemas de detección y generación de imágenes ópticas. Este método utiliza un fotodetector de un solo píxel , lo que elimina la necesidad de la matriz de detectores y las limitaciones de tiempo de lectura. Evitando este problema y presentando la amplificación óptica de la imagen para una mejora dramática en la sensibilidad a altas tasas de adquisición de imágenes, la velocidad de obturación de STEAM es al menos 1000 veces más rápida que los CCD de última generación [1] y CMOS [2].cámaras. Su velocidad de fotogramas es 1000 veces más rápida que las cámaras CCD más rápidas y de 10 a 100 veces más rápida que las cámaras CMOS más rápidas.
La microscopía de estiramiento de tiempo y su aplicación a los microfluidos para la clasificación de células biológicas se inventaron en UCLA. [3] [4] [5] [6] [7] [8] [9] [10] Combina el concepto de iluminación codificada espectralmente con la extensión del tiempo fotónico, una tecnología de adquisición de datos en tiempo real ultrarrápida desarrollada anteriormente en el mismo laboratorio para cree un digitalizador de disparo único en tiempo real de femtosegundos, [11] y un espectrómetro Raman estimulado de disparo único. [12] La primera demostración fue una versión unidimensional [13] y más tarde una versión bidimensional. [14]Más tarde, se creó un vibrómetro de imágenes rápidas ampliando el sistema a una configuración interferométrica. [15] La tecnología se extendió luego a imágenes de fase cuantitativa de estiramiento temporal ( TS-QPI ) para la clasificación sin etiquetas de células sanguíneas y se combinó con inteligencia artificial (IA) para la clasificación de células cancerosas en sangre con más del 96% de precisión. [16] El sistema midió 16 parámetros biofísicos de células simultáneamente en un solo disparo y realizó una clasificación hiperdimensional utilizando una red neuronal profunda (DNN). Los resultados se compararon con otros algoritmos de clasificación de aprendizaje automático como la regresión logística y el Bayes ingenuo con la mayor precisión obtenida con el aprendizaje profundo. Esto se amplió más tarde "Citometría profunda" [17]en el que las tareas computacionalmente intensivas de procesamiento de imágenes y extracción de características antes del aprendizaje profundo se evitaron al alimentar directamente los escaneos lineales de estiramiento del tiempo, cada uno de los cuales representa un pulso láser en una red neuronal convolucional profunda. Esta clasificación directa de datos sin procesar extendidos en el tiempo redujo el tiempo de inferencia en órdenes de magnitud a 700 microsegundos en un procesador acelerado por GPU. A una velocidad de flujo de 1 m / s, las células solo se mueven menos de un milímetro. Por lo tanto, este tiempo de inferencia ultracorto es lo suficientemente rápido para la clasificación de células.
La tecnología de imagen óptica rápida en tiempo real es indispensable para estudiar eventos dinámicos como ondas de choque , fusión láser , dinámica química en células vivas, actividad neuronal, cirugía láser , microfluidos y MEMS . Las técnicas habituales de las cámaras CCD y CMOS convencionales son inadecuadas para capturar procesos dinámicos rápidos con alta sensibilidad y velocidad; Existen limitaciones tecnológicas: se necesita tiempo para leer los datos de la matriz de sensores y existe una compensación fundamental entre la sensibilidad y la velocidad: a altas velocidades de cuadro, se recolectan menos fotones durante cada cuadro, un problema que afecta a casi todas las imágenes ópticas sistemas.
