- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
微球辅助显微镜对银膜上组装的透明介电物体进行无标记超分辨率成像
摘要： 在光学显微镜中，对具有亚波长特征的透明电介质无标记成像仍是一项挑战。我们提出一种利用微球辅助明场显微镜实现无标记透明周期性物体超分辨成像的方法。通过将传统光学显微镜与直径30微米的钛酸钡玻璃(BTG)微球耦合，可以分辨出附着在镀银载玻片上的二维六方密堆积聚苯乙烯(PS)无标记纳米粒子阵列（直径250纳米）。但当相同直径的PS纳米粒子阵列附着在普通载玻片或高反射率介质多层膜镀载玻片上时则无法分辨。我们认为这是由于周期性结构界面激发表面等离子极化激元模式，从而产生周期性的等离激元近场照明，更多物体高频信息被耦合进BTG微球透镜，最终实现成像分辨率的提升。
关键词： 透明介电物体、表面等离极化激元模式、微球辅助显微镜、无标记成像、超分辨率
更新于2025-09-12 10:27:22
-
[2019年IEEE欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 德国慕尼黑(2019.6.23-2019.6.27)] 2019年欧洲激光与电光会议暨欧洲量子电子学会议(CLEO/Europe-EQEC) - 具有分子振动敏感性的定量相位显微镜技术
摘要： 定量相位成像（QPI）已成为研究生物细胞和组织等光学透明样本的重要工具。该技术能以纳米级分辨率获取视场内每个空间点特有的光程延迟量，实现高对比度、客观的样本分析。QPI的主要优势在于其宽视场、无标记的透明形态测量能力——既能以图像传感器帧率限制的高速成像，又可减少荧光或拉曼成像等技术中常见的光学/化学损伤。迄今QPI已应用于病理诊断、活体癌细胞表型分析、细胞体积与干质量的无损测量、细胞膜动力学研究等领域。但QPI缺乏化学敏感性，限制了其在形态学诊断中的应用。本研究报道了一种基于QPI框架、利用中红外（MIR）光热效应实现的宽视场无标记分子振动（MV）显微技术：通过QPI测量MV共振分子附近吸收MIR光引发的光程延迟局部变化（即光热效应）。该成像方案基于MV共振MIR吸收（其截面比拉曼散射大8个数量级），兼具高灵敏度分子检测能力；同时保持可见光空间分辨率、受图像传感器帧率限制的高时间分辨率，以及宽视场低光强照射带来的低光损伤特性。值得注意的是，我们的宽视场并行检测方案成像速度可比传统点扫描式无标记技术（如相干拉曼成像）快一个数量级。这种MV敏感型QPI（MV-QPI）通过定量形态学与MV光谱化学对比度的高速无标记关联分析，为光学透明复杂动态过程研究提供了新视角。
关键词： 分子振动显微镜、定量相位成像、化学灵敏度、无标记成像、中红外光热效应
更新于2025-09-12 10:27:22
-
利用受激拉曼散射显微镜对阿尔茨海默病中的淀粉样斑块进行无标记成像
摘要： 阿尔茨海默?。ˋD）的关键病理特征之一是存在由错误折叠的β-淀粉样蛋白（Aβ）形成的细胞外淀粉样斑块沉积。蛋白质构象变化会导致β-折叠含量增加，从而引起振动光谱显著改变，尤其是酰胺I模态的光谱位移。本研究采用受激拉曼散射（SRS）显微镜对AD小鼠模型脑组织中的淀粉样斑块进行成像。我们证实了SRS显微镜作为一种快速、无标记成像技术的可行性——基于酰胺I SRS光谱的蓝移（约10 cm?1）即可区分错误折叠蛋白与正常蛋白。此外，通过冷冻薄切片的抗体染色和新鲜组织的荧光成像验证了SRS对Aβ斑块的成像效果。该方法可为AD病理研究及其他蛋白错误折叠相关神经退行性疾病提供新思路。
关键词： 淀粉样斑块、蛋白质错误折叠、阿尔茨海默病、受激拉曼散射显微镜技术、无标记成像
更新于2025-09-09 09:28:46
-
利用三维定量相位成像与机器学习实现淋巴细胞亚型的无标记识别
摘要： 我们在此描述了一种利用定量相位成像和机器学习进行无标记淋巴细胞亚型鉴定的方案。淋巴细胞亚型的鉴定对免疫学研究以及多种疾病的诊断和治疗具有重要意义。目前，标准的淋巴细胞分类方法依赖于通过抗原-抗体反应标记特定膜蛋白。然而，这些标记技术存在改变细胞功能的潜在风险。本方案通过利用三维定量相位成像测量的固有光学对比度和机器学习算法克服了这些挑战。测量淋巴细胞的三维折射率（RI）断层图可提供单个细胞三维形态和表型的定量信息。随后，通过机器学习算法对从测量的三维RI断层图中提取的生物物理参数进行定量分析，从而实现单细胞水平上无标记的淋巴细胞类型鉴定。我们测量了B细胞、CD4+ T细胞和CD8+ T细胞的三维RI断层图，并以超过80%的准确率识别了它们的细胞类型。在本方案中，我们详细描述了淋巴细胞分离、三维定量相位成像及用于鉴定淋巴细胞类型的机器学习的步骤。
关键词： 淋巴细胞识别、机器学习、全息断层扫描、免疫细胞、免疫学、《免疫学与感染》、定量相位成像、光学衍射断层扫描、全息显微镜、无标记成像
更新于2025-09-04 15:30:14
-
基于全息散斑分析和深度学习的无标记运动检测技术在体液中寄生虫检测的应用
摘要： 寄生虫感染是全球重大公共卫生问题。现有基于人工显微镜检查的筛查方法往往难以提供足够的检测通量和灵敏度以实现早期诊断。本研究展示了一种基于运动特征的无标记计算成像平台，通过利用寄生虫的运动特性作为特异性生物标志物和内源性对比机制，快速检测光学密度高的体液中的活动性寄生虫?；诟迷恚颐茄蟹⒘说统杀颈阈揭瞧?，可在三维空间中快速筛查约3.2毫升液体样本，通过全息延时散斑图样自动检测并计数活动微生物。我们以导致全球数百万人死亡的多种致病性锥虫（活动性原生动物寄生虫）为检测对象，验证了该平台的性能。结合全息散斑分析算法与深度学习分类技术，在加标全血和人工脑脊液（CSF）样本中实现了无标记高灵敏度锥虫检测：全血检测限达每毫升10个锥虫（比当前最先进寄生虫学方法提升约5倍），脑脊液检测限达每毫升3个锥虫。进一步研究表明，该平台还可检测阴道毛滴虫等其他活动性寄生虫——这种导致滴虫病的病原体影响全球2.75亿人。凭借其低成本、便携化设计及快速筛查能力，该独特平台有望在资源有限地区实现对活动性寄生虫引起的被忽视热带病及其他寄生虫感染的及时灵敏诊断。
关键词： 寄生虫感染、全息散斑分析、锥虫、资源有限环境、深度学习、阴道毛滴虫、无标记成像、基于运动性的检测
更新于2025-09-04 15:30:14