SPAD赋能次表面荧光激光雷达，精确定位肿瘤的位置和大小
2021-10-16 10:58:09   来源：麦姆斯咨询   评论：0   点击：

瑞士洛桑联邦理工学院（EPFL）和美国达特茅斯学院（Dartmouth College）的研究人员打造了一种光电探测器阵列，可以在散射介质中探测荧光分子，帮助医生精确判断肿瘤组织的边缘。

肿瘤位置检测

据麦姆斯咨询介绍，单光子雪崩二极管（SPAD）探测器能够以非常高的时间精度记录单个光子的到达，已被证明对实时3D成像具有很高的应用价值。

SPAD探测器已经在激光雷达（LiDAR）领域扮演关键角色，它们能够在现实环境中运行并同时捕捉多个数据点。

EPFL和达特茅斯学院的一个合作研究项目开发了一款成像平台，利用SPAD探测器实现了生物组织的次表面荧光激光雷达成像。

这款新平台能够以亚毫米级的深度精度，定位和量化重度散射介质中荧光分子的浓度，这对肿瘤和其它疾病的成像具有很高的潜在价值。

这项突破基于EPFL之前开发的SwissSAPD2传感器，通过其512 x 512像素SPAD架构和专有的时间门控系统，能够在荧光成像中实现低成本的皮秒级时间分辨率。

EPFL和达特茅斯学院的研究人员将该探测器应用于荧光激光雷达平台，利用相同的探测器可以同时捕捉从生物组织采集的635纳米荧光和漫反射图像。其中，遇到肿瘤的光子返回探测器时会出现延迟，利用这种时间差，可以重建肿瘤图像。

EPFL的Edoardo Charbon评论道：“这种延迟不到一纳秒，但足以帮助我们生成图像。光在肿瘤组织中传播的越深，返回所需的时间就越长。这使我们能够构建肿瘤组织的三维图像。”

据项目团队介绍，在头颈部肿瘤上进行的体内荧光激光雷达试验证明，该平台在临床场景中可以检测皮摩尔荧光团浓度。这项技术最终可以帮助外科医生在切除恶性肿瘤时识别肿瘤边缘，这对诊疗和手术至关重要。

EPFL指出：“在此之前，科学家必须在确定肿瘤的深度和位置之间做出选择。但有了这项新技术，他们可以两者兼得。”

人工智能（AI）在生物成像中的应用

同样来自EPFL，其成像中心开发了一款软件，可以帮助研究人员更容易地将人工智能引入生命科学研究的图像分析。

这款名为deepImageJ的开源插件，可以帮助非软件算法专家的研究人员，执行生命科学研究中常见的图像处理任务，从而帮助研究人员节省时间和金钱。

这款插件基于ImageJ，ImageJ是一款成熟的图像处理工具，具有旨在促进后续修改和增强的开放式架构，例如EPFL现在开发和发布的图像处理工具deepImageJ。

EPFL评论称：“深度学习是人工智能的一个子领域，在生物图像分析领域已经展示了越来越大的潜力，但使用深度学习模型通常需要编码技能，很少有生命科学家具备这种技能。”

欧洲一支研究人员组建的联盟正在开发一款社区驱动的预训练深度学习AI模型库——BioImage Model Zoo，而deepImageJ旨在帮助临床医生在没有专业知识的情况下访问该库。

“为了训练他们的模型，研究人员需要特定的资源和技术知识，特别是Python编码方面的知识，这是许多生命科学家所不具备的。理想情况下，这些模型应该人人可用。”EPFL负责deepImageJ开发的Daniel Sage说，“因此，我们希望deepImageJ能够为生命科学以及生物图像信息学领域的深度学习模型的广泛传播和再利用做出贡献。”

延伸阅读：

《新兴图像传感器技术、应用及市场-2021版》

《飞行时间（ToF）传感器技术及应用-2020版》