Analytical Chemistry:构建深度学习等离子体光散射分析技术

光学分析技术 成像技术
秦川    2021-01-25    966

  01 背景介绍

  等离子体单纳米颗粒光谱和成像分析已成为光学分析的一个重要研究方向。等离子体暗场散射成像因其具有较高的成像对比度和信噪比,极大的推动了暗场散射成像技术的发展以及在生物医学成像分析领域的应用。但等离子体纳米颗粒的光散射受到复杂生物背景的散射干扰时,其在复杂生物样品成像中难于被有效的识别和分析。近年来,研究具有动态和复杂环境的活细胞和组织中等离子体纳米颗粒的散射性质仍然是一个很大的挑战。主要是因为在成像分析时,等离子体光散射信号受到组织等散射信号干扰,使我们无法正常对等离子体散射信号进行分析。此外,散射光谱测量在同一时间只能测量少量的纳米颗粒,如果只选择少量的纳米颗粒进行光谱测量,就会造成实验的不可靠及随机性;同时,对大量纳米颗粒的光谱扫描是一个非常耗时的过程,在研究快速化学反应以及快速的生物过程时具有严重的缺陷,无法实现相应的检测。这些缺陷影响了单纳米颗粒暗场散射成像在复杂生物样品中的运用。

  近期,西南大学黄承志教授课题组报道了相关成果,以“Automated Plasmonic Resonance Scattering Imaging Analysis via Deep Learning”为题发表在国际化学权威杂志Analytical Chemistry上。

  (DOI: 10.1021/ acs.analchem.0c04763)

  02 研究主要内容介绍

  为了解决上述问题,结合人工智能,开发了一种自动且高通量的光散射分析技术,通过使用深度学习来识别暗场散射成像中的等离子体纳米颗粒。该技术运用U-Net卷积深度学习神经网络,构建离子体纳米颗粒暗场显微成像语义分析模型,使我们能够从活细胞中的背景干扰散射信号中有效识别等离子体纳米颗粒的散射光,通过该语义分析模型能有效消除活细胞中的背景干扰散射信号。

  图示例:

图片.png

  03 小结

  通过结合人工智能,利用深度学习技术实现了复杂生物样品中等离子体纳米颗粒光散射信号的有效识别和分析,并成功用于监控细胞凋亡时细胞色素c的变化,为化学光散射和成像分析提供了新的策略。

本文为专栏作者授权科易网发表,版权归原作者所有。文章系作者个人观点,不代表科易网立场,转载请联系原作者。如有任何疑问,请联系ky@1633.com。
热门观点