Author Affiliations
Abstract
1 Britton Chance Center for Biomedical Photonics – MoE Key Laboratory for Biomedical Photonics, Huazhong University of Science and Technology, Wuhan, Hubei 430074, P. R. China
2 Wuhan National Laboratory for Optoelectronics – Advanced Biomedical Imaging Facility, Huazhong University of Science and Technology, Wuhan, Hubei 430074, P. R. China
3 School of Optical and Electronic Information, Huazhong University of Science and Technology, Wuhan, Hubei 430074, P. R. China
4 State Key Laboratory of Bioelectronics, School of Biological Science and Medical Engineering, Southeast University, Nanjing, Jiangsu 210096, P. R. China
5 Institute of Biomaterials and Medical Devices, Southeast University, Suzhou, Jiangsu 215163, P. R. China
Three-dimensional (3D) cell cultures have contributed to a variety of biological research fields by filling the gap between monolayers and animal models. The modern optical sectioning microscopic methods make it possible to probe the complexity of 3D cell cultures but are limited by the inherent opaqueness. While tissue optical clearing methods have emerged as powerful tools for investigating whole-mount tissues in 3D, they often have limitations, such as being too harsh for fragile 3D cell cultures, requiring complex handling protocols, or inducing tissue deformation with shrinkage or expansion. To address this issue, we proposed a modified optical clearing method for 3D cell cultures, called MACS-W, which is simple, highly efficient, and morphology-preserving. In our evaluation of MACS-W, we found that it exhibits excellent clearing capability in just 10min, with minimal deformation, and helps drug evaluation on tumor spheroids. In summary, MACS-W is a fast, minimally-deformative and fluorescence compatible clearing method that has the potential to be widely used in the studies of 3D cell cultures.
Tissue optical clearing 3D cell cultures imaging Journal of Innovative Optical Health Sciences
2024, 17(2): 2350018
1 云南师范大学物理与电子信息学院，云南 昆明 650500
2 云南省光电信息技术重点实验室，云南 昆明 650500
构建了一种基于自监督的框架，该框架从单目立体内窥镜视频中提取多视图图像，利用图像中的底层三维（3D）信息构建对象的几何约束，实现软组织结构的准确重建。基于分割任意场景模型对内窥镜下的动态手术器械、静态腹腔场景及可形变软组织结构进行分割解耦。该框架利用简单的神经网络多层感知机来表示动态神经辐射场（NeRF）中运动手术器械和形变软组织结构，基于偏斜熵损失对手术场景中的手术器械、腔体场景和软组织结构进行正确分离。在通过使用单目立体内窥镜捕获机器人手术模拟器场景的数据集上，将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法在处理腹腔体场景、软组织结构重建、手术器械的分割解耦，以及来自多视点的3D信息和运动对象的图像分割等方面显著优于当前的方法。
视觉光学 神经辐射场 软组织三维重建 分割任意场景模型 分割解耦
北京航空航天大学医学科学与工程学院，北京 100191
扩散光学成像技术在生物医学领域有着广泛的应用。相较于磁共振成像（MRI）、计算机X射线断层扫描（CT）、正电子发射断层扫描（PET）和超声成像等成像方式，扩散光学成像利用经组织吸收和散射的扩散光进行成像，可无创、无标记、宽场、定量测量氧合血红蛋白、脱氧血红蛋白、血氧、水分、脂质、黑色素等成分浓度和组织功能信息，在安全性、特异性和系统成本等方面有明显优势。本文介绍了扩散光学成像的基本原理，包括光与组织的相互作用和光传播模型，并总结扩散光学成像的相关方法和应用，包括脉搏血氧术、漫射光谱、扩散光学层析成像、荧光分子层析成像和空间频域成像，并对它们的未来发展进行了展望。
扩散光学成像 组织光学 功能信息 生物医学光学 激光与光电子学进展
2024, 61(8): 0800001
Author Affiliations
Abstract
National University of Singapore, College of Design and Engineering, Optical Bioimaging Laboratory, Department of Biomedical Engineering, Singapore
Three-dimensional (3D) imaging is essential for understanding intricate biological and biomedical systems, yet live cell and tissue imaging applications still face challenges due to constrained imaging speed and strong scattering in turbid media. Here, we present a unique phase-modulated stimulated Raman scattering tomography (PM-SRST) technique to achieve rapid label-free 3D chemical imaging in cells and tissue. To accomplish PM-SRST, we utilize a spatial light modulator to electronically manipulate the focused Stokes beam along the needle Bessel pump beam for SRS tomography without the need for mechanical z scanning. We demonstrate the rapid 3D imaging capability of PM-SRST by real-time monitoring of 3D Brownian motion of polystyrene beads in water with 8.5 Hz volume rate, as well as the instant biochemical responses to acetic acid stimulants in MCF-7 cells. Further, combining the Bessel pump beam with a longer wavelength Stokes beam (NIR-II window) provides a superior scattering resilient ability in PM-SRST, enabling rapid tomography in deeper tissue areas. The PM-SRST technique provides ∼twofold enhancement in imaging depth in highly scattering media (e.g., polymer beads phantom and biotissue like porcine skin and brain tissue) compared with conventional point-scan SRS. We also demonstrate the rapid 3D imaging ability of PM-SRST by observing the dynamic diffusion and uptake processes of deuterium oxide molecules into plant roots. The rapid PM-SRST developed can be used to facilitate label-free 3D chemical imaging of metabolic activities and functional dynamic processes of drug delivery and therapeutics in live cells and tissue.
stimulated Raman scattering tomography deep tissue Raman imaging spatial light modulation Advanced Photonics
2024, 6(2): 026001
1 南京理工大学电子工程与光电技术学院智能计算成像实验室（SCILab），江苏 南京 210094
2 南京理工大学江苏省光谱成像与智能感知重点实验室，江苏 南京 210094
3 南京理工大学智能计算成像研究院（SCIRI），江苏 南京 210019
随着生物医学研究对复杂组织结构和功能的深入探索，高分辨率、高信噪比的深组织成像技术变得愈加重要。传统的显微镜技术往往局限于二维、透明的生物薄样本的观测，这在很大程度上无法满足当前生物医学领域对三维深组织体成像的研究需求。光片荧光显微镜凭借其低光损伤、高采集速率、大视场、体成像等优点被生物学家广泛使用。然而，生物组织固有的高散射特性仍然为深层成像带来了巨大的挑战。本文重点介绍了光片荧光显微成像技术在深组织成像领域的最新进展，特别是应对高散射样本挑战的解决策略，旨在为相关领域的研究人员提供有价值的参考，助力其对该前沿技术的最新进展和应用前景的理解。首先，阐述了光片荧光显微镜的基本原理和高散射吸收特性的形成原因及影响；然后，进一步阐明了增加组织穿透深度、应对光散射和吸收等问题的最新进展；最后，探讨了具有大穿透深度和强抗散射能力的光片荧光显微成像技术的发展前景以及潜在应用。
荧光显微 光片照明 深组织成像 三维成像 光学散射 激光与光电子学进展
2024, 61(2): 0211010
1 香港理工大学生物医学工程系，香港 九龙999077
2 香港理工大学深圳研究院，广东 深圳 518055
3 香港理工大学光子技术研究院，香港 九龙999077
4 香港理工大学体育科技研究院，香港 九龙999077
光学技术在生物医学中扮演着越来越重要的角色，其非电离辐射、高分辨率、高对比度和对生物组织异变高度灵敏等特性使其非常适用于生物组织的研究，包括成像、传感、治疗、刺激以及控制等。然而由于光折射因子在生物组织中的分布是不均匀的，光在生物组织中的传播会受到很强的散射影响，故纯光学技术的穿透深度和空间分辨率是“鱼和熊掌不可兼得”；高分辨率光学成像应用仅限于样品浅表层，当成像深度增加时分辨率急剧下降。实现光在深层生物组织里的高分辨率成像或应用是人们期盼已久的目标。近年来，为解决这一问题，研究者提出了不同的方法，例如切换到更长的光波长以减小组织散射系数，在信号检测时将漫射光转换为散射不明显的超声信号，逆转或者预先补偿由光的多次散射所带来的相位畸变，或借助光纤等微创光学通道实现深层生物组织的高分辨率光学成像、刺激等。基于团队在深层生物组织光学相关领域多年的耕耘，从光在生物组织中的传播特性出发，梳理和总结了近年来研究人员在光-声结合和光学波前整形技术等方面展开的诸多探索，以及在生物组织操控、成像、光学计算以及人工智能等领域中的应用尝试。虽然尚有诸多不足，但随着硬件设备的更新和计算技术的发展，在不远的将来有望实现活体深层生物组织光学高分辨率应用。在这一求索过程中，新方法和新能力将不断激发新的应用灵感，为光学尤其是生物医学光子学带来全新的理念和机遇。
中北大学半导体与物理学院，山西 太原 030051
以推导的在生物组织中部分相干圆刃型位错光束传输时的交叉谱密度矩阵元，研究了传输中不同光束参数（光束波长λ、位错数目ndis、空间自相关长度σyy）对不同场点之间偏振特性的影响。部分相干圆刃型位错光束波长和位错数目不影响偏振态的初始值，而不同空间自相关长度的光束初始偏振态不同。随着传输距离增加，空间同一点的偏振态经历明显的起伏变化后最终趋于与源处一致，空间不同两点间的偏振态最终趋于一不同于初始值的定值。与远红外光和紫外光相比，可见光和近红外光更适合作为生物医学疾病诊疗的目标光束。位错数目越大，各偏振特征参量极值间距越大。空间自相关长度σyy与σxx的相对大小会影响偏振度的大小及变化趋势。
生物光学 圆刃型位错光束 偏振度 方位角 椭圆率 生物组织
1 内蒙古医科大学基础医学院法医学实验室, 呼和浩特 010030
2 内蒙古医科大学附属医院心脏大血管外科, 呼和浩特 010030
本研究以10例甲醛固定石蜡包埋组织(FFPET)作为疑难检材, 将其制成蜡膜, 分别以二甲苯-Chelex100法、脱蜡液-Chelex100法、脱蜡液-Vazyme FastPure FFPE DNA Isolation试剂盒(简称FP试剂盒)、脱蜡液-北京天根石蜡包埋组织基因组提取试剂盒法(简称天根试剂盒)提取DNA, 进行紫外分光光度计测定(浓度、纯度)及短串联重复序列(STR)分型检测(23个常染色体), 通过比较分析FFPET在4种不同提取方法中的提取质量、STR分型质量和检出率, 从而寻求一种高效简便、经济实用、方便快捷的甲醛固定石蜡包埋组织中DNA提取方法。结果表明: 应用4种方法提取的石蜡包埋组织蜡膜DNA经紫外分光光度计测定后显示, 应用2种Chelex100法提取的DNA浓度高于2款试剂盒, 试剂盒提取的DNA的纯度优于另外2种方法, 以上差异均具有统计学意义(P<0.05); FP试剂盒提取DNA的平均浓度和纯度均优于天根试剂盒, 无显著性差异(P>0.05); STR分型普遍存在不同基因座和同一基因座不同等位基因之间的扩增不均衡, 呈现前高后低状态; STR平均检出率为FP试剂盒>天根试剂盒>Chelex100法, 2种Chelex100法STR基因座检出率比较无显著差异(P>0.05), 但分别和另外2种方法试剂盒方法相比有显著差异(P<0.05), FP试剂盒和天根试剂盒法相比有显著差异(P<0.05)。因此, 在涉及甲醛固定石蜡包埋组织这类疑难检材的法医DNA鉴定案件时, 脱蜡液-Vazyme FastPure FFPE DNA Isolation试剂盒法优于其余3种提取DNA方法。
甲醛固定石蜡包埋组织 法医检材 疑难检材 方法比较 formalin-fixed paraffin-embedded tissue forensic examination materials difficult inspection materials method comparison
1 北京理工大学光电学院, 北京 100081 精密光电测试仪器及技术北京市重点实验室, 北京 100081
2 北京理工大学光电学院, 北京 100081 精密光电测试仪器及技术北京市重点实验室, 北京 100081北京理工大学长三角研究院(嘉兴), 浙江 嘉兴 314019
组织血氧饱和度（StO2）是检测组织和血液中血液灌注和血液氧合变化的重要指标, 在临床及日常监测中具有重要意义。 高光谱成像以其非接触、 光谱信息丰富等优点, 成为一种评估StO2的新兴手段, 然而高光谱成像设备造价昂贵且操作复杂, 限制了其使用环境及发展。 传统工业相机获取皮肤组织的RGB图像空间分辨率高、 但其光谱分辨率低, 若能提高光谱分辨, 则其实现高精度生理参数测量成为可能。 提出了一种基于RGB图像高光谱重建的StO2评估方法。 该方法基于深度学习方法构建了从RGB图像到皮肤组织高光谱图像的重建模型, 获得了高物理可靠性皮肤组织高光谱图像, 并利用改进的朗伯比尔模型, 实现了区域StO2评估。 采用普通可见光相机与高光谱相机通过捆绑实验同时采集了49位受试者处于不同血液灌注状态下手部的RGB图像与高光谱图像作为数据集。 在对高光谱图像进行降维去噪的基础上, 根据含氧血红蛋白、 脱氧血红蛋白的特征光谱选取了450～600 nm（含31个光谱通道）波段作为重建光谱波段, 构建了基于深度学习的皮肤组织高光谱重建神经网络模型。 实验结果表明, 重建模型获得的皮肤反射光谱与高光谱相机直接采集的反射光谱曲线具有较高的一致性, 测试集中二者的平均绝对误差（MAE）为0.009 38, 均方误差（RMSE）为0.0148 1。 之后对重建模型得到的区域StO2测量结果与高光谱相机得到的测量结果二者的相似性进行了定量评估, 测试集样本中两种方法生成StO2空间分布图的二维相关系数均处于可靠范围内（大于94%）, 表明了本文提出的基于可见光图像高光谱重建的StO2评估方法具有较高的可靠性。 该研究利用普通彩色相机实现了区域StO2评估, 为各种疾病的临床诊断和监测提供了一种简单低成本的StO2监测方法。
组织血氧饱和度, RGB图像, 光谱重建, 深度学习 Tissue oxygenation RGB images Spectral reconstruction Deep learning 光谱学与光谱分析
2023, 43(10): 3193
Author Affiliations
Abstract
1 Graduate School of Engineering, Osaka University, Yamadaoka 2-1, Suita, Osaka 565-0871, Japan
2 Global Center for Medical Engineering and Informatics, Osaka University, Yamadaoka 2-2, Suita, Osaka 565-0871, Japan
Accurate determination of the optical properties of biological tissues enables quantitative understanding of light propagation in these tissues for optical diagnosis and treatment applications. The absorption () and scattering () coefficients of biological tissues are inversely analyzed from their diffuse reflectance (R) and total transmittance (T), which are measured using a double integrating spheres (DIS) system. The inversion algorithms, for example, inverse adding doubling method and inverse Monte Carlo method, are sensitive to noise signals during the DIS measurements, resulting in reduced accuracy during determination. In this study, we propose an artificial neural network (ANN) to estimate and at a target wavelength from the R and T spectra measured via the DIS to reduce noise in the optical properties. Approximate models of the optical properties and Monte Carlo calculations that simulated the DIS measurements were used to generate spectral datasets comprising , , R and T. Measurement noise signals were added to R and T, and the ANN model was then trained using the noise-added datasets. Numerical results showed that the trained ANN model reduced the effects of noise in and estimation. Experimental verification indicated noise-reduced estimation from the R and T values measured by the DIS with a small number of scans on average, resulting in measurement time reduction. The results demonstrated the noise robustness of the proposed ANN-based method for optical properties determination and will contribute to shorter DIS measurement times, thus reducing changes in the optical properties due to desiccation of the samples.
Journal of Innovative Optical Health Sciences
2023, 16(6): 2350012
