Towards Neuromorphic Event-Based Sensing for High-Speed Multi-Spectral Classification and Tracking of Microparticles

Sintesi Tecnica: Verso la Sensoristica Neuromorfica a Eventi per la Classificazione e il Tracciamento Multispettrale ad Alta Velocità di Microparticelle

Problematica
I sistemi microfluidici convenzionali basati su immagini affrontano un compromesso fondamentale tra throughput, velocità di imaging e larghezza di banda dei dati. L'imaging ad alta velocità basato su frame (CMOS/CCD) spesso provoca sfocatura da movimento (motion blur), riduzione della qualità del segnale e volumi di dati proibitivi che ostacolano l'elaborazione in tempo reale, particolarmente nel monitoraggio di flussi ad alta velocità. Sebbene le soluzioni esistenti, come l'illuminazione stroboscopica o la ricostruzione basata sul deep learning, abbiano migliorato la qualità dell'immagine o il throughput, esse rimangono vincolate ai limiti dei frame globali o introducono un significativo overhead computazionale. Inoltre, le precedenti applicazioni della sensoristica basata su eventi (EVS) in microfluidica sono state ampiamente limitate al tracciamento di particelle monodisperse e sferiche o dipendenti dall'inferenza basata sull'apprendimento, fallendo nel rispondere alla complessità morfologica e ottica degli analiti reali e polidispersi. Crucialmente, l'integrazione di informazioni spettrali per analiti opachi all'interno di architetture microfluidiche basate su eventi rimane in gran parte inesplorata.

Metodologia
Gli autori hanno sviluppato una piattaforma di sensoristica microfluidica neuromorfica progettata per la simultanea classificazione, dimensione e tracciamento di microparticelle polidisperse e irregolari. L'architettura del sistema integra tre componenti principali:

1. Configurazione Microfluidica e Ottica: Un canale microfluidico (ibidi µ-Slide) è illuminato da LED bianchi in una configurazione di riflessione per rilevare il colore intrinseco e la riflettanza superficiale, evitando l'effetto "ombra" comune nelle configurazioni in trasmissione. Un obiettivo 10x raccoglie la luce retrodiffusa, che viene poi suddivisa tramite un beam splitter verso due sensori: una telecamera CMOS convenzionale per il riferimento di ground-truth e una telecamera ad eventi ad alta risoluzione (IDS uEye XCP-E).
2. Codifica Spettrale Multiplexed Spazialmente: Un assemblaggio di filtri personalizzato, composto da tre filtri fotografici Lee (Tokyo Blue, Primary Green, Marius Red), è posizionato direttamente davanti al sensore a eventi. Questi filtri coprono regioni non sovrapposte del sensore, permettendo l'identità spettrale e il movimento di essere codificati direttamente nella fase di sensing senza necessità di ricostruzione dell'immagine.
3. Pipeline di Elaborazione del Segnale: Lo stream di eventi asincroni viene discretizzato temporalmente in frame (a 500, 1000 e 1500 Hz) e aggregato spazialmente in bin da 10×10.
   • Denoising: Una strategia di filtraggio del conteggio dei vicini (kernel a connettività 8) rimuove gli eventi di rumore isolati, mantenendo solo i segnali spazialmente raggruppati.
   • Predizione del Colore: Viene impiegata una strategia di massima verosimiglianza "Best-of-Frames". Per ogni banda spettrale (R, G, B), l'algoritmo identifica il punteggio di attività di picco degli eventi attraverso l'intera durata del transito, indipendentemente dalla posizione esatta della particella in un singolo istante. La classificazione finale è la regione spettrale che produce il picco integrato più elevato.
   • Profilazione Cinematica: Le traiettorie delle particelle sono ricostruite collegando i centroidi dei cluster di eventi filtrati. La velocità è calcolata dalla spostamento tra i centroidi, e la dimensione è stimata utilizzando un modello di ellisse equivalente derivato da una matrice di covarianza spaziale pesata, utilizzando l'asse minore per la robustezza contro la distorsione indotta dal movimento.

Contributi Chiave

• Prima Integrazione di EVS e Sensoristica Multi-Spettrale in Flusso: Il lavoro dimostra, per la prima volta, l'integrazione della sensoristica spettrale basata su eventi con campioni eterogenei in flusso continuo all'interno di un canale microfluidico.
• Classificazione Senza Etichettatura e Senza Addestramento: Il sistema estrae firme spettrali e il movimento direttamente dalla fase di sensing, eliminando la necessità di ricostruzione dell'immagine o di complessa inferenza tramite reti neurali basate sull'addestramento.
• Gestione dell'Eterogeneità del Mondo Reale: A differenza degli studi EVS precedenti focalizzati su microsfere idealizzate, questa piattaforma caratterizza con successo microparticelle polidisperse e irregolari (create tramite abrasione meccanica di polimeri termoplastici) sotto condizioni di flusso non laminare.
• Efficienza dei Dati: L'architettura guidata dagli eventi riduce drasticamente la larghezza di banda dei dati disaccoppiando la risoluzione temporale dal volume dei dati.

Risultati
Il sistema è stato validato utilizzando frammenti di microplastiche rosse, verdi e blu (0,08–0,25 mm) che fluiscono a velocità fino a ~80 mm/s.

• Prestazioni di Classificazione: Alla frequenza ottimale di costruzione del frame di 1000 Hz, il sistema ha raggiunto un'accuratezza di classificazione del colore globale del 74%. Per l'intervallo di dimensioni più piccole delle particelle (0,08–0,18 mm), l'accuratezza ha raggiunto l'82%. Le prestazioni sono diminuite per particelle più grandi e a frequenze di frame inferiori (500 Hz) a causa del sottocampionamento temporale e della miscelazione spaziale delle regioni spettrali.
• Profilazione Cinematica: Il sistema ha risolto con successo le traiettorie e le velocità delle particelle. La stima della dimensione utilizzando l'asse minore delle ellissi adattate ha mostrato un accordo stretto con il ground-truth CMOS, anche sotto flusso non laminare e condizioni di messa a fuoco variabili.
• Throughput e Larghezza di Banda: Il sistema ha sostenuto un throughput di area di 460 mm²/s. Rispetto a una telecamera CMOS convenzionale a 1000 FPS, l'approccio basato su eventi ha ridotto la larghezza di banda dei dati di >240× (da ~3,84 GB/s a ~16 MB/s), principalmente eliminando i dati ridondanti dello sfondo.
• Robustezza: La piattaforma ha mantenuto le prestazioni sotto condizioni non ideali, inclusi bolle d'aria, rotazione delle particelle e velocità di flusso variabili, dimostrando resilienza alla natura stocastica dei flussi microfluidici reali.

Significatività e Rivendicazioni
Gli autori posizionano questo lavoro come una prova di concetto per una soluzione scalabile e computazionalmente efficiente per lo screening ad alta velocità e senza etichettatura di analiti eterogenei. Essi sottolineano che i risultati sono stati ottenuti utilizzando componenti commerciali (filtri RGB standard, LED bianchi standard) e condizioni deliberatamente non ideali (flusso non laminare, particelle irregolari). Di conseguenza, le prestazioni riportate sono presentate come un baseline conservativo. Il documento afferma che questo framework neuromorfico apre la strada a future applicazioni nella diagnostica clinica (ad esempio, analisi della singola cellula) e nel monitoraggio ambientale (ad esempio, rilevamento di microplastiche) superando la sfocatura da movimento e i colli di bottiglia dei dati tipici dei sistemi tradizionali basati su frame. Gli autori osservano che, sebbene l'attuale configurazione utilizzi filtri a spettro ampio, le iterazioni future potrebbero impiegare design ottici dedicati e illuminazione su misura per migliorare ulteriormente l'accuratezza della classificazione e ridurre il cross-talk spettrale.