Nouvelle méthode pour reconstruire les indices de réfraction en imagerie biologique

Trouver l'indice de réfraction (RI) des échantillons biologiques grâce aux images de fluorescence donne des infos importantes sur leur structure et leur phase. Mais mesurer la phase de la lumière avec précision et reconstruire le RI d’échantillons sans étiquettes peut être galère. C'est encore plus vrai quand on bosse avec de grands échantillons, en haute résolution, et en utilisant des modes de réflexion. Pour résoudre ces problèmes, on a créé une méthode appelée tomographie de diffraction par fluorescence (FDT). Cette méthode utilise des techniques avancées pour reconstruire le RI 3D à partir d'images prises en modes de fluorescence défocalisés.

#Comment fonctionne la FDT

La FDT reconstruit efficacement le RI 3D à travers quatre composantes essentielles : une stratégie de modélisation grossière à fine, des techniques d'auto-calibrage, un modèle de rendu multi-tranches différentiel et l'utilisation de masques partiellement cohérents.

#Modélisation Grossière à Fine

Cette technique décompose le processus de reconstruction en étapes, en commençant par une résolution grossière et en la raffinant progressivement pour obtenir des détails plus fins. Grâce à ça, la méthode peut travailler plus vite et produire des images de haute qualité.

#Auto-Calibrage

L'auto-calibrage est une méthode qui trouve automatiquement les positions des sources de fluorescence pendant l’entraînement du système. En réduisant les erreurs dans la prédiction d'où vient la lumière, on améliore la précision des images générées.

#Modèle Multi-Tranches Différentiel

Notre approche profite d'un modèle multi-tranches qui aide à simuler comment la lumière se comporte en passant à travers différentes couches d'échantillons biologiques. Ce modèle permet de capturer des interactions complexes au sein des échantillons de manière simple et efficace.

#Masques Partiellement Cohérents

En utilisant l'imagerie par fluorescence, l'illumination peut souvent être partiellement cohérente. Cela signifie que la source de lumière ne se comporte pas comme un faisceau parfaitement focalisé. En créant des masques numériques pour gérer cette discordance, on aligne notre méthode plus étroitement avec la façon dont la lumière se comporte réellement dans ces situations.

#Résultats de la FDT

Dans des conditions de laboratoire, la FDT a montré qu'elle réussit à reconstruire le 3D RI d’échantillons biologiques sans étiquettes comme les cellules cultivées. Par exemple, on a obtenu des résultats précis en travaillant avec des cellules des reins (MDCK) et des cellules souches musculaires (MuSCs) dans des structures tubulaires complexes.

On a effectué des tests rigoureux avec des images simulées et des données de laboratoire réelles. Les résultats étaient prometteurs, indiquant que la FDT pouvait restaurer fidèlement des représentations 3D détaillées des structures biologiques sans avoir besoin d'étiquettes fluorescentes.

#Techniques d'Imagerie Biologique

La microscopie par fluorescence et la microscopie de phase sont deux techniques importantes utilisées en imagerie biologique. La microscopie par fluorescence aide à visualiser les structures à l'intérieur des cellules en utilisant des étiquettes fluorescentes ou en examinant l'autofluorescence naturelle. D'un autre côté, la microscopie de phase se concentre sur les propriétés matérielles des échantillons en mesurant leur indice de réfraction. Combiner ces techniques permet aux chercheurs de mieux comprendre les échantillons biologiques en corrélant les structures étiquetées et sans étiquettes.

#Défis en Tomographie de Diffraction Optique

La tomographie de diffraction optique (ODT) vise à récupérer les distributions 3D de RI des échantillons mais rencontre souvent des défis. Les méthodes traditionnelles peuvent être compliquées et nécessiter des calculs intensifs en travaillant avec des images haute résolution. De plus, beaucoup de techniques ODT reposent sur la lumière transmise, ce qui peut limiter leurs applications non invasives.

Malgré les avancées des techniques au cours de la dernière décennie, beaucoup s'appuient encore sur des configurations séparées pour capturer les informations de fluorescence et de phase de manière séquentielle. Cela peut restreindre la capacité à capturer les processus dynamiques se déroulant en temps réel.

#Approches de Deep Learning

Récemment, plusieurs méthodes de deep learning ont été proposées pour la récupération de phase, comme les réseaux de neurones convolutionnels (CNN). Bien que ces méthodes puissent récupérer des informations de phase directement à partir des images, elles nécessitent généralement de grands ensembles de données et peuvent faire face à des problèmes de généralisation et de précision. De nouveaux modèles incorporant des réseaux de neurones physiquement informés (PINNs) et des champs de radiance neuronaux (NeRFs) ont offert des alternatives qui ne dépendent pas d'ensembles de données extensifs et améliorent l'interprétabilité.

#Notre Méthode : FDT

On a développé la FDT pour combiner les avantages de l'imagerie par fluorescence et de phase tout en répondant à leurs défis inhérents. Contrairement aux méthodes précédentes, notre approche permet une imagerie simultanée en mode de réflexion. Elle tire parti de la fluorescence excitée par deux photons et résout le RI 3D en utilisant un champ neuronal avec une représentation explicite.

#Innovations Clés

1. Représentation Explicite : Au lieu de s'appuyer sur des réseaux de neurones complexes, on utilise une représentation explicite pour une reconstruction précise du RI. Ça augmente la vitesse et la résolution.

2. Auto-Calibrage : Notre méthode crée un moyen robuste de trouver les positions d'illumination avec une grande précision, aidant à rendre les prédictions d'image et les reconstructions de RI plus précises.

3. Modèle Multi-Tranches Différentiel : On met en œuvre un modèle qui nous permet de dériver des images précises en fonction des conditions observées dans de vraies expériences.

4. Masques Partiellement Cohérents : Ces masques aident à aligner les discordances entre nos modèles et les données réelles, menant à de meilleures prédictions.

#Validation du Modèle FDT

On a validé notre méthode avec des ensembles de données simulées pour confirmer sa performance. En reconstruisant des motifs comme "UCDavis", notre modèle a montré sa capacité à identifier clairement des structures à travers plusieurs couches. Le faible erreur quadratique moyenne (MSE) et le haut indice de similarité structurelle (SSIM) indiquent une forte concordance entre les résultats réels et prédits.

#Validation de la Modélisation Grossière à Fine

La technique de modélisation grossière à fine a significativement amélioré la qualité des reconstructions. En augmentant progressivement la résolution, on a pu capturer des détails essentiels à basse fréquence sans introduire d'artefacts ou d'erreurs.

#Évaluation de l'Auto-Calibrage

L'auto-calibrage des sources d'illumination a montré une convergence rapide des estimations, indiquant l'efficacité de notre méthode à affiner les positions et à améliorer la performance du modèle.

#Tests du Modèle Multi-Tranches Différentiel

Le modèle multi-tranches différentiel a permis un traitement efficace de la propagation de la lumière à travers les couches de l'échantillon, améliorant considérablement l'efficacité computationnelle et la précision lors du traitement de grands ensembles de données.

#Résultats Expérimentaux

Lors de tests pratiques, on a appliqué la FDT pour reconstruire le RI 3D des cellules MDCK et des tubes MuSCs.

#Cellules MDCK

Les résultats des échantillons de cellules MDCK ont démontré la capacité de notre méthode à récupérer des structures détaillées. Les vues en coupe transversale ont mis en évidence des variations dans le RI, confirmant l'efficacité de notre modèle à capturer des caractéristiques spécifiques, comme les frontières cellulaires et les structures intracellulaires.

#Structures Tubulaires MuSCs

La reconstruction des structures tubulaires MuSCs a montré une haute précision dans la séparation des régions distinctes et maintenu l'intégrité de la géométrie tubulaire. Même avec des conditions d'illumination difficiles, notre approche FDT a montré une forte capacité à réaliser des reconstructions de haute fidélité, révélant des processus biologiques complexes.

#Importance et Directions Futures

La FDT représente une avancée significative dans la combinaison des techniques d'imagerie par fluorescence et de phase pour les échantillons biologiques. Cette méthode démontre la puissance de l'intégration d'une modélisation avancée avec des capacités d'imagerie en temps réel, ouvrant la voie à des études plus détaillées des structures biologiques.

À l'avenir, on prévoit d'améliorer l'efficacité de notre modèle et de l'adapter à des scénarios biologiques plus complexes. Cela inclut l'optimisation des configurations pour éliminer les lacunes entre les sources de lumière et les échantillons, et améliorer l'efficacité mémoire pour traiter des volumes plus grands. En s'attaquant à ces limitations, on vise à développer une méthode capable de gérer les complexités de l'imagerie biologique en direct.

#Conclusion

En conclusion, la FDT offre une solution robuste et innovante pour reconstruire les indices de réfraction 3D à partir d'images de fluorescence. En incorporant des stratégies uniques et des méthodes d'auto-calibrage, notre approche surmonte avec succès de nombreux défis rencontrés par les techniques d'imagerie traditionnelles. La capacité de produire des reconstructions de haute résolution et de haute précision souligne le potentiel de cette méthode pour de futures avancées dans les technologies d'imagerie biologique, offrant des aperçus plus clairs sur les processus biologiques dynamiques.

#Futur de l'Imagerie Biologique

Ce travail ouvre des opportunités passionnantes pour l'imagerie in vivo et les études dynamiques des tissus vivants. La combinaison de l'imagerie par fluorescence et de phase peut aider à révéler les complexités des processus biologiques qui étaient autrefois difficiles à étudier. Au fur et à mesure que nous continuons à améliorer et à affiner cette méthode, nous anticipons d'autres innovations sur la façon dont les biologistes peuvent visualiser et comprendre le monde microscopique qui les entoure.

#Remerciements

On remercie les contributions de nos collaborateurs et des soutiens clés dans le développement de cette méthode. Leurs idées et leur aide ont été inestimables pour repousser les limites de ce qui est possible en imagerie biologique.

#Dernières Pensées

L'intégration de diverses techniques d'imagerie et les avancées réalisées dans la FDT représentent une direction prometteuse pour la recherche future et les applications dans le domaine des sciences biomédicales. En se concentrant sur l'efficacité, la précision et la capacité à capturer des processus biologiques en temps réel, on vise à établir de nouvelles normes dans les technologies d'imagerie et à élargir notre compréhension des éléments constitutifs de la vie.