低速率的智能手机视频扫描器用于微秒发光寿命成像,使用机器学习

科学领域:

• 光学和光子学 在光学和光子学.
• 生物医学成像技术 生物医学成像技术
• 材料科学 材料科学 材料科学

背景情况:

• 传统的时间分辨率成像系统是昂贵的,需要专门的设备,如高速探测器和激发源.
• 现有的方法往往涉及复杂的机械机,限制了可访问性和可移植性.
• 对于光终身成像,需要具有成本效益和微型化的解决方案.

研究的目的:

• 为了展示一种新的,经济高效的,小型化的基于智能手机的系统,用于2D发光寿命成像.
• 为了证明基于视频扫描的虚拟切割器 (V-切割器) 机制的可行性,用于时间分辨率测量.
• 整合机器学习用于自动化图像分析和寿命确定.

主要方法:

• 开发了一个智能手机终身成像系统,与脉冲紫外线 (UV) 发光二极管 (LED) 集成.
• 采用基于视频扫描的虚拟切割机 (V-chopper) 机制来产生没有激发同步的时间延迟图像.
• 利用卷积神经网络 (CNN) 准确分类封闭图像和终身衰变分析.
• 使用具有不同发光寿命的欧 (Eu) 复合染料验证了该系统.

主要成果:

• 该V-机系统成功地以低率 (30/秒) 进行了2D发光寿命成像.
• 一个CNN模型在区分不同衰变周期的封闭图像方面实现了>99.5%的准确性.
• 该系统的检测极限大约为75微秒,有可能缩短寿命.
• 基于智能手机的系统有效地取代了昂贵和复杂的传统时间解析设备.

结论:

• 智能手机V-chopper系统为发光寿命成像提供了一个经济高效的小型化替代方案.
• 这项技术显著降低了时间分辨率成像应用的进入障碍.
• "V-chopper"方法有望扩大终身成像技术的可访问性和应用范围.