[論文レビュー] Time-domain feature extraction for target-specificity in Photoacoustic Remote Sensing Microscopy

Nicholas Pellegrino, Benjamin R. Ecclestone+2 more|arXiv (Cornell University)|Mar 8, 2022

Photoacoustic and Ultrasonic Imaging参考文献 15被引用数 8

ひとこと要約

本論文は、PARS顕微鏡における光音響信号から時間領域（TD）特徴を抽出する教師なしクラスタリング手法を提案し、ラベルフリーで1回の測定で仮想的な組織ラベリングを可能にする。ナノ秒スケールのTD信号から形状に基づくプロトタイプを学習することで、バイオマolecule特異的コントラストを明らかにした。マウス脳組織を用いた実証では、事前のラベリングや多波長励起を用いずに、ミエリン被漿神経細胞、ミエリン非被漿神経細胞、および核を色分けされた可視化によって区別した。

ABSTRACT

Photoacoustic Remote Sensing (PARS) microscopy is an emerging label-free optical absorption imaging modality. PARS operates by capturing nanosecond-scale optical perturbations generated by photoacoustic pressures. These time-domain (TD) modulations are usually projected by amplitude to determine absorption magnitude. However, significant information on the target's material properties is contained within the TD signals. This work proposes a novel clustering method to learn TD features which relate to underlying biomolecule characteristics. This technique identifies features related to constituent biomolecules, enabling single-acquisition virtual tissue labelling. Colorized visualizations of tissue are produced, highlighting specific tissue components. This is demonstrated on freshly resected murine brain tissue, clearly discerning structures including myelinated and unmyelinated neurons (white and gray matter) and nuclear structures.

研究の動機と目的

• 従来のPARS顕微鏡が単に振幅プロジェクションに依存し、豊富な時間分解能を持つ信号情報を無視しているという制限に対処すること。
• 密度、比熱、音響インピーダンスなどの固有のバイオマolecule的性質と相関する、PARS時間領域信号内の物質特異的特徴を同定すること。
• 事前の知識や多波長励起を必要とせず、1回の測定でミエリン、DNA、リピッドなどの異なる組織成分をラベルフリーで可視化すること。
• 主成分に基づく重心を用いた最適化されたK-meansクラスタリングにより、信号の形状に注目することで、振幅変動やノイズに対して頑健な手法を開発すること。
• 1つの学習済み特徴モデルを用いて、異なる組織領域にわたって移植可能でバイオマolecule特異的なコントラストを実現すること。

提案手法

• 最適化されたK-meansクラスタリング手法を採用し、各クラスタの重心をそのクラスタとその負の値の第一主成分として計算することで、ノイズおよび振幅スケーリングに対して耐性を高める。
• 時間領域信号をベクトルとして扱い、信号間の距離をそれらのなす角度の正弦として定義することで、振幅に依存しない形状ベースのクラスタリングを実現する。
• 信号プロトタイプ（重心）は、266 nmで1パルス励起した際の生のPARS時間領域波形から学習される。
• 特徴の振幅は、時間領域から学習済み特徴空間への基底変換により抽出され、各プロトタイプの寄与度を定量的にマップ可能となる。
• 50 kHzの266 nm励起レーザーと405 nmの検出ビームを用い、共焦点型の全光学的セットアップで処理されていないマウス脳組織に本手法を適用した。
• 赤、緑、青チャンネルに3つの学習済み特徴をマッピングすることで、仮想的な組織ラベルを有する色分けされた画像を生成した。このラベルは、内在的な光学応答形状に基づく。

実験結果

リサーチクエスチョン

• RQ1 PARS信号の時間領域特徴は、吸収量の総和とは別に、下伏するバイオマolecule的特性に関する情報を保持できるか？
• RQ2 PARS時間領域波形の教師なしクラスタリングによって、特定の組織成分に対応する明確で生物学的に意味のある信号形状を同定できるか？
• RQ3 1つの組織領域で学習した特徴モデルを、再トレーニングなしに他の領域へ移行させ、構造を区別できるか？
• RQ4 本手法は、多波長励起や事前のラベリングなしに、吸収コントラストをどの程度向上させ、仮想ラベリングを可能にするか？
• RQ5 従来の振幅ベースのプロジェクションと比較して、提案手法のクラスタリング法はノイズ耐性および信号忠実度をどの程度向上させるか？

主な発見

• 提案手法により、新規に切除されたマウス脳組織の白質（ミエリン被漿神経細胞）、灰色領域（ミエリン非被漿神経細胞）、および核構造を明確に区別できる色分けされたPARS画像が得られた。
• K=3の場合、3チャンネルの色画像が得られ、それぞれの特徴が赤、緑、青に対応し、従来の振幅プロジェクションでは観察できなかった構造的詳細が明らかになった。
• 直接的な視覚的比較により、従来の時間領域振幅プロジェクションと比較して、本手法は構造の明瞭性とノイズ抑制の両面で優れた性能を示した。
• クラスタリングに基づく特徴は、白質、灰色領域、およびそれらの遷移領域を含む、異なる脳領域間で移植可能であり、その頑健さと一般化能力を示した。
• 本手法により、1回の測定で、1つの広帯域UV励起（266 nm）を用いて、複数のバイオマoleculeをラベルフリーで可視化することができ、多波長アプローチの必要性を回避した。
• 本手法は、振幅だけでなく、時間分解能を持つ信号の形状が、組織構成および物質的性質に関する生物学的に有意義な情報をエンコードしていることを示した。