Los investigadores han desarrollado una combinación de hardware disponible comercialmente y software de código abierto, llamado PySight, que mejora la obtención de imágenes rápidas en 2-D y 3-D del cerebro y otros tejidos. Al permitir la integración perfecta de la solución de imágenes en 3D más rápida disponible en la actualidad, el avance de la microscopía podría ayudar a los científicos a comprender mejor la dinámica del cerebro y descubrir nuevos tratamientos para problemas de salud como el accidente cerebrovascular, epilepsia y demencia.

En Optica , La revista de la Optical Society para la investigación de alto impacto, los investigadores describen PySight, que sirve como complemento para microscopios de escaneo láser. Equipado con esta novedosa combinación de software y hardware, mejoraron la calidad de las imágenes 2-D y 3-D de la actividad neuronal en el cerebro vivo.

Debido a que puede obtener imágenes profundas en el tejido, Una técnica de imágenes basada en láser conocida como microscopía multifotónica se utiliza a menudo para estudiar los patrones de actividad rápida de las neuronas. vasos sanguíneos y otras células en alta resolución a lo largo del tiempo. Este método de microscopía utiliza pulsos de láser para excitar sondas fluorescentes, provocando la emisión de fotones, algunos de los cuales se detectan y utilizan para formar imágenes 2-D y 3-D.

Intentar capturar toda la amplitud de la actividad neuronal con microscopía multifotónica obliga a los científicos a obtener imágenes más rápido. Como resultado, cada vez hay menos fotones disponibles para formar imágenes, muy parecido a tomar una foto con tiempos de exposición cada vez más cortos. El desafío entonces es cómo obtener imágenes significativas en estas condiciones de oscuridad.

"Para afrontar este desafío, Los microscopistas han utilizado un método de lectura del detector llamado recuento de fotones, "dijo el líder del equipo de investigación Pablo Blinder de la Universidad de Tel Aviv en Israel." Sin embargo, debido a que su implementación requirió un amplio conocimiento en electrónica y componentes personalizados, El conteo de fotones nunca ha sido ampliamente adoptado. Además, Las soluciones de recuento de fotones disponibles comercialmente no eran adecuadas para realizar imágenes muy rápidas, como las que se requieren para imágenes en 3D. El sencillo procedimiento de instalación de PySight y su integración con hardware de última generación eliminan estas preocupaciones ".

Además de avanzar en la investigación de imágenes neuronales, La sensibilidad mejorada de PySight podría facilitar la identificación intraoperatoria rápida de células malignas en pacientes humanos utilizando microscopía multifotónica. El enfoque novedoso de PySight para reconstruir escenas en 3-D también podría mejorar el rendimiento de la detección de luz y el alcance, o LIDAR. Esto podría ayudar a reducir los costos de los autos autónomos que usan LIDAR para mapear sus alrededores.

Detección de fotones individuales en 3-D

PySight proporciona una alta resolución espacio-temporal a la vez que produce un flujo de datos que escala con el número de fotones detectados, no el volumen o el área de la imagen. "El hardware de adquisición de datos convencional almacena el brillo de cada píxel o vóxel 3-D incluso cuando es cero, ya que no se detectaron fotones en esa ubicación en particular, "Blinder explicó." PySight, sin embargo, solo almacena el tiempo de detección preciso de cada fotón. Si no se detectaron fotones, no se escribe nada en el disco. Esto permite a los investigadores realizar imágenes rápidas de grandes volúmenes durante largas sesiones, sin comprometer la resolución espacial o temporal ".

Para reconstruir una imagen multidimensional, saber cuándo cada fotón golpea el detector no es suficiente. También es necesario saber dónde se originó en el cerebro. "Esto es aún más complicado si desea simplificar el sistema y evitar sincronizar los diferentes elementos de escaneo, "dijo Blinder." Para lograr esto, nuestro software lee una lista de tiempos de llegada de fotones junto con las señales de tiempo de los elementos de escaneo, determina el origen de cada fotón dentro de la muestra y genera las películas 3-D correspondientes ".

Los tiempos de llegada de fotones son generados por un dispositivo conocido como digitalizador de tiempo de eventos múltiples, o multiescalador, que registra los tiempos con una precisión de 100 picosegundos. Otro componente clave fue una lente de escaneo axial resonante lista para usar que cambia el plano focal cientos de miles de veces por segundo. Esta lente se utilizó para escanear rápidamente el rayo láser a diferentes profundidades dentro del cerebro y permitió al equipo reconstruir imágenes continuas en 3-D.

Más fácil, económico, imágenes continuas en 3-D

"El multiescalador que usamos no se ha aplicado a la neuroimagen porque el resultado no es fácil de interpretar, y el uso de una lente de escaneo axial resonante para la obtención de imágenes biológicas ha requerido hardware de sincronización de escaneo personalizado o código propietario para obtener los datos 3-D, ", dijo Blinder." PySight convierte la salida de ambos componentes en una película en 3-D sin esfuerzo. Como Pysight es un software gratuito y de código abierto, debería ser de gran ayuda para los laboratorios que antes se veían disuadidos por la alta barrera técnica que acompañaba a las imágenes continuas en 3-D ". tener una interfaz de aplicación genérica, PySight también podría utilizarse para interpretar tiempos de detección de fotones similares de otros dispositivos de hardware adecuados.

Para probar si PySight fue realmente plug and play, los investigadores caminaron con su multiescalador a otro laboratorio de imágenes en el campus de la Universidad de Tel Aviv. Pudieron simplemente conectar el dispositivo al microscopio multifotónico existente, descargue el software PySight y comience a registrar respuestas de olor de rastro único en moscas de la fruta genéticamente modificadas para expresar indicadores de voltaje. Esta sonda rápida para la actividad neuronal detecta los aspectos más finos de la actividad neuronal, pero se considera demasiado tenue para usarse sin contar los fotones con este tipo de microscopía. Las capacidades de PySight allanan el camino para una fácil implementación de imágenes de voltaje multifotón en casi cualquier laboratorio.

Además de seguir mejorando el software PySight, A los investigadores les gustaría agregar soporte para otros métodos de obtención de imágenes de microscopía, como las imágenes de fluorescencia de por vida, que se basa en la sincronización de cada fotón en relación con su pulso láser de origen. Debido a que el software es de código abierto y proporciona acceso directo a los tiempos de llegada de los fotones, permite a otros científicos agregar nuevas funciones y satisfacer sus necesidades específicas.