Les chercheurs ont réutilisé un algorithme développé à l'origine pour le concours de prédiction des préférences de films de Netflix en 2009 afin de créer une méthode d'acquisition d'images de spectroscopie Raman classiques de tissus biologiques à des vitesses sans précédent. L'avance pourrait rendre le simple, méthode d'imagerie sans marquage pratique pour les applications cliniques telles que la détection de tumeurs ou l'analyse de tissus.

Dans Optique , Le journal de l'Optical Society pour la recherche à fort impact, un groupe de chercheurs multi-institutionnels rapporte qu'une approche d'imagerie informatique connue sous le nom d'imagerie compressive peut augmenter la vitesse d'imagerie en réduisant la quantité de données spectrales Raman acquises. Ils démontrent des vitesses d'imagerie de quelques dizaines de secondes pour une image qui prendrait généralement quelques minutes à acquérir et disent que les futures implémentations pourraient atteindre des vitesses inférieures à la seconde.

Les chercheurs ont accompli cet exploit en n'acquérant qu'une partie des données généralement requises pour la spectroscopie Raman, puis en remplissant les informations manquantes avec un algorithme développé pour trouver des modèles dans les préférences de films Netflix. Bien que l'algorithme n'ait pas remporté le prix d'un million de dollars de Netflix, il a été utilisé pour répondre à d'autres besoins du monde réel, dans ce cas un besoin d'une meilleure imagerie biologique.

"Bien que des approches Raman compressives aient été rapportées précédemment, ils ne pouvaient pas être utilisés avec des tissus biologiques en raison de leur complexité chimique, " dit Hilton de Aguiar, responsable de l'équipe de recherche de l'École Normale Supérieure en France. « Nous avons combiné l'imagerie compressive avec des algorithmes informatiques rapides qui fournissent le type d'images que les cliniciens utilisent pour diagnostiquer les patients, mais rapidement et sans post-traitement manuel laborieux."

Capturer les processus biomédicaux

La spectroscopie Raman est une technique non invasive qui ne nécessite aucune préparation d'échantillon pour déterminer la composition chimique d'échantillons complexes. Bien qu'il se soit révélé prometteur pour l'identification des cellules cancéreuses et l'analyse des tissus à la recherche de maladies, il nécessite généralement des vitesses d'acquisition d'images trop lentes pour capturer la dynamique des spécimens biologiques. Le traitement de l'énorme quantité de données générées par l'imagerie spectroscopique est également chronophage, surtout lors de l'analyse d'une grande surface.

"Avec la méthodologie que nous avons développée, nous avons abordé ces deux défis simultanément :augmenter la vitesse et introduire un moyen plus simple d'acquérir des informations utiles à partir des images spectroscopiques, " dit de Aguiar.

Optimiser la vitesse

Pour accélérer le processus d'imagerie, les chercheurs ont rendu leur système Raman plus compatible avec l'algorithme. Pour ce faire, ils ont remplacé les caméras coûteuses et lentes utilisées dans les configurations conventionnelles par un dispositif à micromiroir numérique bon marché et rapide connu sous le nom de modulateur spatial de lumière. Cet appareil sélectionne des groupes de longueurs d'onde qui sont détectés par un détecteur à pixel unique très sensible, compresser les images au fur et à mesure de leur acquisition.

« Un modulateur spatial de lumière très rapide a permis d'acquérir des images et de sauter des bits de données très rapidement, " a déclaré de Aguiar. " Le modulateur spatial de lumière que nous avons utilisé est de plusieurs ordres de grandeur moins cher et plus rapide que les autres options sur le marché, rendant la configuration optique globale bon marché et rapide."

Les chercheurs ont démontré leur nouvelle méthodologie en utilisant un microscope Raman pour obtenir des images de spectroscopie à partir de tissus cérébraux et de cellules individuelles, qui présentent tous deux une complexité chimique élevée. Leurs résultats ont montré que la méthode peut acquérir des images à des vitesses de quelques dizaines de secondes et atteindre un niveau élevé de compression des données, réduisant les données jusqu'à 64 fois.

Les chercheurs pensent que la nouvelle approche devrait fonctionner avec la plupart des spécimens biologiques, mais ils prévoient de le tester avec plus de types de tissus pour le démontrer expérimentalement. En plus des outils cliniques, la méthode pourrait être utile pour des applications biologiques telles que la caractérisation des algues. Ils souhaitent également améliorer la vitesse de numérisation de leur système pour accomplir une acquisition d'image inférieure à la seconde.