Deep learning-enabled high-performance multiphoton fluorescence vascular imaging using clinically approved...

Área de la Ciencia:

• Imagenología Biomédica
• Aprendizaje Profundo
• Nanotecnología

Sus antecedentes:

• La imagenología de fluorescencia multifotónica (MPFI) ofrece alta resolución para la visualización de tejidos profundos.
• Las sondas fluorescentes clínicas existentes no son adecuadas para MPFI, lo que limita su traslación clínica.
• La bioseguridad de las sondas personalizadas de MPFI sigue siendo una preocupación importante.

Objetivo del estudio:

• Desarrollar un método de aprendizaje profundo para MPFI de alto rendimiento utilizando sondas aprobadas clínicamente.
• Superar las limitaciones de las sondas fluorescentes actuales en MPFI.
• Mejorar la aplicabilidad clínica de MPFI.

Principales métodos:

• Se entrenó un modelo de aprendizaje profundo con imágenes de MPFI basadas en nanopartículas de luminógeno de agregación.
• El modelo se aplicó a datos de MPFI adquiridos utilizando puntos cuánticos comerciales e verde de indocianina (ICG).
• Se evaluó el método en su capacidad para procesar datos de MPFI previamente no vistos, particularmente la microvasculatura cerebral.

Principales resultados:

• El método de aprendizaje profundo demostró un alto rendimiento en datos de MPFI no vistos.
• Se observó una optimización significativa en imágenes de MPFI de la microvasculatura cerebral.
• Los vasos sanguíneos en el hipocampo se visualizaron con una claridad excepcional y un ruido reducido.

Conclusiones:

• La estrategia de aprendizaje profundo desarrollada mejora eficazmente el rendimiento de MPFI con sondas estándar.
• Este enfoque mejora la practicidad y la aplicabilidad clínica de MPFI.
• El método ofrece una solución valiosa para avanzar en la imagenología de tejidos profundos en entornos clínicos.