Coupling a Recurrent Neural Network to SPAD TCSPC Systems for Real-time Fluorescence Lifetime Imaging
Questo articolo presenta un sistema di imaging della fluorescenza a tempo di vita (FLI) in tempo reale che accoppia un sensore SPAD TCSPC con una rete neurale ricorrente (nello specifico varianti GRU e LSTM) per stimare direttamente i tempi di vita dai timestamp grezzi senza l'uso di istogrammi, raggiungendo un'acquisizione a velocità video con alta accuratezza, robustezza al rumore superiore e precisione quasi ottimale su una piattaforma implementata su FPGA.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Immagina di cercare di ascoltare un singolo, debole sussurro in una stanza affollata e rumorosa. Se provi a scrivere ogni singola parola pronunciata da tutti gli altri prima, perderai il sussurro e il tuo taccuino sarà troppo pesante da trasportare. Questa è la sfida che gli scienziati affrontano quando cercano di "vedere" dentro le cellule viventi utilizzando una tecnica chiamata Imaging della Vita della Fluorescenza (FLI). In questo mondo, minuscole molecole luminose (fluorofori) vengono eccitate da un laser e poi si "rilassano" emettendo un fotone di luce. Il tempo impiegato per rilassarsi — la loro "vita" — rivela segreti sul loro ambiente, come quanto sia acido o viscoso il loro intorno. Questo è fondamentale per individuare malattie come il cancro precocemente o per aiutare i chirurghi a vedere esattamente dove finisce un tumore e inizia il tessuto sano.
Tradizionalmente, per misurare questo, gli scienziati utilizzano un metodo chiamato Conteggio dei Singoli Fotoni Correlati nel Tempo (TCSPC). Immagina che sia come una macchina fotografica molto veloce che scatta una foto ogni volta che arriva un fotone. Per determinare la vita, il computer di solito deve aspettare di aver raccolto migliaia di questi "scatti" (timestamp) e poi ordinarli in un enorme istogramma — un grafico a barre che mostra quando sono arrivati i fotoni. È come aspettare che un intero coro finisca di cantare prima di poter capire il tempo della canzone. Questo processo è lento, crea enormi quantità di dati difficili da spostare e richiede computer potenti e ingombranti. È ottimo per un laboratorio, ma è troppo goffo per l'ufficio di un medico o per un dispositivo portatile che deve funzionare in tempo reale.
Questo articolo introduce un nuovo modo intelligente di ascoltare quel sussurro senza scrivere prima tutta la canzone del coro. I ricercatori, che lavorano presso l'Advanced Quantum Architecture Laboratory dell'EPFL in Svizzera, propongono di accoppiare un sensore di luce specializzato (un array SPAD) direttamente a un tipo di intelligenza artificiale chiamata Rete Neurale Ricorrente (RNN). Invece di aspettare di costruire un istogramma, il sistema alimenta l'IA con ogni singolo tempo di arrivo del fotone man mano che avviene. L'IA agisce come un ascoltatore super veloce e intuitivo che indovina istantaneamente il tempo della canzone (la vita della fluorescenza) dal flusso grezzo di suoni.
Il team ha testato questa idea addestrando la propria IA su milioni di "sussurri" simulati (dati sintetici) in cui conoscevano la risposta esatta. Hanno confrontato la loro IA, che presenta due varianti principali chiamate GRU (Gated Recurrent Unit) e LSTM (Long Short-Term Memory), con i metodi tradizionali dei Minimi Quadrati (Least Squares fitting) e del Centro di Massa (Center-of-Mass). I risultati sono stati impressionanti: l'IA era accurata quanto i metodi tradizionali quando la stanza era silenziosa, ma quando hanno aggiunto rumore di fondo (simulando una stanza rumorosa), l'IA è rimasta calma e accurata mentre i metodi tradizionali si sono confusi e hanno commesso grandi errori. In effetti, l'IA era così brava che la sua precisione era quasi perfetta quanto il limite teorico consentito dalla fisica (il limite inferiore di Cramer-Rao).
Per dimostrare che non si trattasse solo di un trucco informatico, i ricercatori hanno costruito un vero microscopio utilizzando un minuscolo chip sensore 32x32 sviluppato nel loro laboratorio, chiamato Piccolo. Hanno caricato l'IA su un chip computerizzato specializzato (un FPGA) proprio accanto al sensore. Questa configurazione ha permesso loro di elaborare fino a 4 milioni di fotoni al secondo. Quando hanno filmato microsfere fluorescenti in movimento, il sistema non si è limitato a scattare una foto; ha calcolato in tempo reale la vita della luce, producendo un video a 10 fotogrammi al secondo. L'articolo suggerisce che questo approccio potrebbe rivoluzionare l'imaging medico, rendendolo veloce, portatile e abbastanza robusto da poter essere utilizzato, ad esempio, per individuare i margini dei tumori durante la chirurgia, il tutto senza la necessità di un enorme supercomputer per svolgere il lavoro pesante.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.