三维全息显微镜成生物成像领域“新宠”

[导读]数字全息在很多方面类似经典全息照相,不同的地方在采用光电子感应器代替感光胶片。这项技术已经结合显微镜衍生为被广泛应用到生物样品的三维可视化成像。三维计算全息技术所包含的数据处理使研究者获得丰富的量化信息,这些信息包含着非介入实时条件下的细胞和微生物结构。

近几年三维计算全息显微镜的发展为生物成像研究开辟了新纪元。三维计算全息技术所包含的数据处理使研究者获得丰富的量化信息,这些信息包含着非介入实时条件下的细胞和微生物结构。

数字全息在很多方面类似经典全息照相,不同的地方在采用光电子感应器代替感光胶片。这样使得数字全息的数据处理可以应用于生物医学、公共医疗和环境监测等许多方面。这项技术已经结合显微镜被广泛应用到生物样品的三维可视化成像。

全息成像原理是相干光源通过半透明镜头时,光束的振幅和相位在光和物质相互作用时受到调制,这种调制信号使得输出波前带有物体全部三维结构信息。

使用数字全息显微镜(DHM),我们可以间接记录物体波前的相位和振幅信息。通过单个全息样本,数字重构生物样品不同深度层次的图像。因此,DHM一般被归类为三维光学计算显微镜。DHM的核心部件是光学干涉仪,用来形成来自细胞和微生物的菲涅尔衍射光和参考光的干涉场。光学干涉场的强度分布用光电成像感应器(如CCD或者CMOS相机)进行数字化成数字全息图,其中的编码包含着生物样品的三维结构信息。反向的菲涅尔变换将对全息图进行解码并重构样品特有的相位和振幅调制信息。这样DHM不需要对样品扫描就可以拥有激光扫描共聚焦显微镜进行三维成像的优点。

传统的明视场显微镜通过样品的光学吸收构建图像而丢失相位信息。由于细胞质和大部分细胞器的的光学吸收系数很小,结果二维的明视场的细胞图像通常对比度低很难观察到有用的细节部分。一个增加半透明细胞的典 型实例就是利用高吸收系数的染料对细胞进行染色和固定。可惜这种介入过程经常终止细胞的生命周期。而细胞生物学家却需要监测活细胞,研究其行为和动力学过程。幸好光学相位对细胞质和周围介质之间的折射率变化很敏感。这个特性已经被用到传统的相衬和干涉场显微成像技术拍摄高对比度的图像。可惜这两个传统技术不能提供细胞的厚度信息。虽然相衬显微镜和微分干涉(DIC)显微镜在过去在细胞定性方面提供可重用应用,但无法进行定量分析也不能进行细胞和微生物的自动鉴别。再者,为了对生物样品不同层面聚集,相衬和DIC显微镜还必须进行机械扫描。这会增加成像时间并限制细胞实时检测和时间动态过程研究。http://www.rayscience.com/catalog_525.html

DHM是一种定量相位成像方法,直接和非介入地提供活体细胞的光学厚度和动态条件。光学厚度跟细胞厚度和通过细胞折射率的三维形态有关。这样结合计算机算法,DHM就成为非介入三维实时成像和鉴别细胞、微生物的实用技术。一张全息图只需要单次曝光就包含样品三维结构的丰富定量信息,用来鉴别细胞和辨认物体。为了这个目的,我们可以结合已经发展起来的自动鉴别物体并被应用于医学、军事、机器人等各种工业的模式鉴别技术。

最近,一些研究人员提出使用三维感应和成像系统作为基于细胞三维结构和态的非介入自动细胞鉴别技术。生物样品的实时、自动拍摄、分析和鉴别将有助于疾病诊断、环境监测、和流行性疾病的早期检测。而传统的生物表征方法则需要介入、劳动强度高和耗费时间多,要求染色的方法也对细胞造成危害,还不能有效进行大规模应用。另外,基于二维特性如样品的形状、大小和形态的分析并非总能令人信服。所以,集合了三维计算成像、信息光学和DHM非常有希望作为可靠、自动和低价的工具应用于细胞(如血液或干细胞)的快速感应、可视化和鉴定。

目前的DHM方法有单次曝光同轴伽柏全息显微镜,得益于简单、小型和低价的系统,作为三维细胞鉴别具有很好的工作性能。结合微流器件和光镊微操作等其他技术,DHM还可以可以进行更复杂的分析和细胞操作控制。

三维全息显微镜成生物成像领域“新宠”相关推荐

  1. 生物成像领域—纳米长余辉发光材料介绍及其表面靶向修饰

    目前,合成纳米长余辉发光材料的方法主要有三大类:高温固相合成法.软化学法和物理辅助合成法. 发光成像由于其具有原位实时以及高灵敏度的优势在生物成像中得到广泛应用,但生物体自发光现象噪声成像信噪比低,限 ...

  2. 总结一些生物成像的 开源图像与插件网站

    个人现在在做关于生物成像的有关内容,所以总结一些生物成像领域开源的Data网站: 1.SMLM(Single-Molecule Localization Microscopy)数据与插件库: http ...

  3. 八种生物成像技术,你青睐谁?

    1.前言 生物成像,顾名思义,是了解生物体组织结构,阐明生物体各种生理功能的一种重要研究手段.它利用光学或电子显微镜获取生物细胞和组织的微观结构图像,用来了解生物细胞的各种生理过程.一般来说,生物成像 ...

  4. 计算机在生物科学领域的应用论文,大学生物科学教学中计算机的应用

    摘要:计算机技术的不断发展,各种应用方式不断被推广,但是高校中的应用一直都没有显著的提高,主要原因在于大家对计算机应用的本身认识不够清晰,所以对课程教学中与计算机的具体结合认识也不足.但是生物科学教学 ...

  5. 「华熙生物」发来感谢信,企企通赋能生物科技领域数字化采购建设

    近日,华熙生物科技股份有限公司(以下简称"华熙生物")携手企企通打造的数字化采购管理平台成功上线.为感谢企企通在采购数字化项目上的付出和努力,华熙生物特意发来暖心感谢信. 在感谢信 ...

  6. 双光子荧光成像_有机双光子荧光染料在生物成像中的应用取得新进展

    有机双光子荧光染料在生物成像中的应用取得新进展 2017-06-09成都生物研究所 [字体:大 中 小] 语音播报 传统的荧光分子多数会有聚集诱导淬灭效应(Aggregation Caused Que ...

  7. 疫苗行业薪酬增长率在生物医药领域最为突出;华为发布全场景智能光储解决方案;开利完成对广东积微集团的收购 | 美通社头条...

    要闻摘要:疫苗行业薪酬增长率在生物医药领域最为突出.全球整体疫苗接受程度在一个月内从63%升至66%.华为发布全场景智能光储解决方案.开利完成对广东积微集团的收购.Supermicro扩大全球产能产量 ...

  8. 计算机在生物科学领域的应用论文,计算机在生物学中的应用论文(3)

    计算机在生物学中的应用论文篇三 试谈计算机辅助教学在生物学教学中的应用 [摘要] 计算机作为一种现代化的教学媒体已逐渐进入课堂,在多年生物学教学实践的基础上,运用多媒体技术对中学生物学的教学内容.教学 ...

  9. 中投民生:某药业加码生物医药领域战略布局,震惊股市!

    9月7日晚,华海药业公开发行可转债申请获证监会发审委通过.公司拟募集资金总额不超过18.43亿元,投向年产16个原料药项目及生物园区制药及研发中心项目等. 新研发中心将落户杭州 此次发行可转债,华海药 ...

  10. 图神经网络在生物医药领域的12项研究综述

    本文转载自ScienceAI(Philosophyai) 2020年,图机器学习(Graph ML)已经成为机器学习(ML)领域中的一个备受关注的焦点研究方向.其中,图神经网络(GNN)是一类用于处理 ...

最新文章

  1. ubuntu下解决“无法获得锁 ”的方法_cppmylove的博客-CSDN博客_无法获得锁
  2. Paper Review: Bayesian Regularization and Prediction
  3. 搜索推荐炼丹笔记:Transformer在搜索推荐中的应用
  4. cbrgen和setdest数据流生成
  5. 用ASP.NET Core 2.1 建立规范的 REST API -- HATEOAS
  6. linux 建oracle分区表,Oracle 10g 11g分区表创建举例
  7. html,css颜色,色系
  8. ajax请求携带tooken_Spring Boot+Vue 文件上传,如何携带令牌信息?
  9. 2017年全国大学生电子设计竞赛滚球控制系统设计
  10. div内容过长自动省略号
  11. python常用代码大全-Python常用库大全及简要说明
  12. 金山WPS+Google文件=谷歌金山Office?
  13. Android解析XML文件(assets目录)
  14. 【思考】冷启动、种子用户的获取和激活
  15. [转载]神奇的数据挖掘
  16. matlab节点连通率,利用matlab仿真最小发射功率下wsn的连通性和覆盖率.docx
  17. JPA和Spring-Data-JPA简介
  18. 李宏毅机器学习Day03之误差
  19. Poly-YOLO 学习
  20. Vue指定日期选择框的值--自动计算过期时间

热门文章

  1. BCH硬分叉已经成功完成,现在是入手的好时机吗?
  2. 使用plist文件进行ipa的安装
  3. 开源API查询IP地址归属信息
  4. Word使用样式技巧:解决创建目录后出现的打印错误---超链接错误
  5. 她力量系列四丨读博6年两次换导师,靠一点点“倔”,俞舟成为social chatbot的开拓者之一
  6. UE4 VR官方教程学习总结-项目设置
  7. 国外10个优秀音乐网站推荐
  8. 主成分回归之后预测_回归分析之主成分回归
  9. Godaddy网站SSL证书安装
  10. 实战四:Kaggle自行车租赁预测比赛