Bio-CM{superscript 2}: Distributed computational optics for cortex-widecellular imaging

Resumo Técnico do Bio-CM2: Óptica Computacional Distribuída para Imagem Celular em Toda a Corteza

Definição do Problema
Compreender sistemas biológicos distribuídos, particularmente circuitos neurais, requer a imagem simultânea em resolução celular através de campos de visão (FOV) na escala de milímetros. Os microscópios em miniatura existentes enfrentam compromissos fundamentais entre FOV, resolução espacial e complexidade óptica. Os designs convencionais de objetivo único sofrem uma rápida degradação de aberração fora do eixo à medida que o FOV aumenta, necessitando de ópticas complexas que comprometem o fator de forma compacto exigido para aplicações in vivo. Estratégias alternativas, como arranjos de câmeras, introduzem uma complexidade de hardware e encargos de sincronização significativos, enquanto métodos de imagem computacional baseados em multiplexação óptica (por exemplo, campo de luz ou imagem sem lente) frequentemente misturam sinais em foco com o fundo fora de foco, degradando o contraste e a relação sinal-ruído (SNR) sob condições in vivo. Unir a microscopia de resolução celular com a imagem mesoscópica em uma plataforma compacta e miniaturizada permanece um desafio significativo.

Metodologia: Óptica Computacional Distribuída
Os autores introduzem o Bio-CM2, um mesoscópio computacional miniaturizado que implementa um framework de "óptica computacional distribuída". Em vez de depender de uma única lente de objetivo ou de multiplexação óptica, o Bio-CM2 distribui a formação da imagem através de quatro módulos ópticos coordenados dispostos em uma configuração 2×2.

• Arquitetura Óptica: O sistema utiliza quatro lentes plano-asféricas em miniatura independentes (3 mm de diâmetro, 3,52 mm de distância focal) que projetam subcampos parcialmente sobrepostos em um único sensor CMOS de iluminação traseira compartilhado (4000×3000 pixels). Este design particiona o FOV total antes da formação da imagem, garantindo que cada pixel do sensor receba luz de apenas uma localização no espaço do objeto dentro de um único canal. Esta abordagem evita a perda de contraste associada à multiplexação óptica e reduz o ângulo de campo máximo para cada lente, aliviando assim as aberrações fora do eixo sem aumentar a complexidade óptica.
• Iluminação: Quatro LEDs posicionados simetricamente cercam o arranjo de lentes, utilizando as lentes hemisféricas integradas dos pacotes de LED para fornecer excitação de fluorescência quase uniforme através de toda a região de imagem.
• Reconstrução Computacional: As medições brutas passam por um pipeline computacional modular:
  1. Redução de Ruído (Denoising): Para registros in vivo, o framework de redução de ruído espaciotemporal autossupervisionado SUPPORT é empregado para lidar com sinais neuronais fracos e temporalmente correlacionados.
  2. Correção: A correção de campo plano (flat-field) compensa a não uniformidade da iluminação. A correção de distorção geométrica mapeia as coordenadas de pixel usando funções de espalhamento de ponto (PSFs) espacialmente variáveis calibradas experimentalmente e modelos de distorção radial.
  3. Deconvolução: A deconvolução de Tikhonov por partes é aplicada utilizando as PSFs medidas para restaurar a resolução espacial.
  4. Costura (Stitching): As sub-imagens corrigidas são registradas e costuradas em uma imagem de amplo FOV e sem emendas. Para superfícies curvas (ex: o córtex), o empenamento da imagem baseado em pontos de características selecionados manualmente compensa o paralaxe.

Resultados Principais
O Bio-CM2 alcança um FOV de 7,5 × 10 mm² com resolução de escala celular em taxas de vídeo.

• Caracterização do Sistema: O sistema demonstra uma resolução lateral com largura à meia altura (FWHM) de aproximadamente 6 µm próximo ao eixo óptico, degradando para ~22 µm na periferia devido a aberrações fora do eixo. A profundidade de campo (DOF) axial é estimada em ~473 µm.
• Imagem de Tecido Fixo de Alto Rendimento: O sistema reconstruiu com sucesso seções coronais inteiras de cérebro de camundongo de 75 µm de espessura em uma única aquisição, resolvendo a morfologia neuronal através de múltiplas regiões (neocórtex, hipocampo, tálamo, etc.) com fidelidade comparável a objetivos de 4× convencionais.
• Imagem de Escala Populacional: O Bio-CM2 capturou Caenorhabditis elegans em comportamento livre em taxas de vídeo, resolvendo simultaneamente agregados de proteína fluorescente individuais dentro de múltiplos vermes e correlacionando-os com o comportamento locomotor.
• Imagem Vascular de Toda a Corteza: Em camundongos com cabeça fixa, o sistema permitiu a quantificação simultânea da vasomoção de arteríolas piais (dinâmica de vaso único) e conectividade funcional hemodinâmica mesoscópica. Ele resolveu flutuações de diâmetro de vasos individuais e mapeou a dinâmica de volume sanguíneo cerebral regional através do córtex dorsal.
• Imagem de Cálcio de Toda a Corteza: Usando interneurônios que expressam GCaMP6s, o Bio-CM2 resolveu a atividade de 3.474 neurônios através do córtex dorsal em um único registro. O sistema separou com sucesso os sinais neuronais do fundo fluorescente dinâmico e dos sinais vasculares. A cinética de cálcio extraída (mediana de tempo para o pico ~200 ms, decaimento de meia ~704 ms) foi consistente com as propriedades conhecidas do GCaMP6s in vivo. Além disso, a análise de conectividade funcional mesoscópica revelou padrões de atividade em toda a corteza consistentes com o acoplamento neurovascular.
• Imagem do Bulbo Olfativo: A plataforma demonstrou versatilidade ao resolver a atividade funcional específica de estímulos no bulbo olfativo principal, distinguindo respostas glomerulares a diferentes odores.

Significância e Alegações
O artigo afirma que o Bio-CM2 estabelece a óptica computacional distribuída como um framework escalável para imagem biológica multiescala. Ao distribuir a complexidade óptica através de módulos individuais em vez de uma única lente, a arquitetura supera o compromisso convencional entre FOV e resolução espacial, mantendo um fator de forma compacto adequado para uso in vivo.

As principais contribuições incluem:

1. Superação de Compromissos: Alcançar um FOV de 7,5 × 10 mm² com resolução celular sem a complexidade de hardware de sistemas de múltiplas câmeras ou a degradação de contraste da multiplexação óptica.
2. Integração Multiescala: Permitir a análise simultânea, desde a dinâmica de célula única (neurônios ou vasos individuais) até redes funcionais mesoscópicas dentro de uma única aquisição.
3. Versatilidade: Demonstrar aplicabilidade em diversos sistemas biológicos (cérebro de camundongo, C. elegans) e modalidades (estrutural, vascular e imagem de cálcio funcional).

Os autores observam que, embora a implementação atual seja de cabeça fixa devido a restrições eletrônicas, o framework óptico e computacional é compatível com futuras placas de sensores leves para aplicações vestíveis. Eles também identificam direções futuras para integração multimodal (ex: imagem multicolorida) e melhorias algorítmicas usando aprendizado profundo para deconvolução e remoção de fundo, que poderiam ser implementadas sem mudanças de hardware.