[论文解读] 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 8

一句话总结

本文提出一种无监督聚类方法，从 PARS 显微镜的光声信号中提取时域（TD）特征，实现无需标记的单次采集虚拟组织标记。通过从纳秒级时域信号中学习基于形状的原型，该方法揭示了与生物分子相关的对比度——在小鼠脑组织中，通过彩色可视化区分了髓鞘神经元、无髓鞘神经元和细胞核，无需事先标记或多波长激发。

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.

研究动机与目标

• 为解决传统 PARS 显微镜仅依赖振幅投影、忽略丰富的时间分辨信号信息的局限性。
• 识别 PARS 时域信号中与内在生物分子特性（如密度、比热容和声阻抗）相关的材料特异性特征。
• 实现在无需先验知识或多波长激发的情况下，单次采集、无需标记地可视化不同组织成分（如髓鞘、DNA 和脂质）。
• 通过聚焦于信号形状并采用基于主成分的质心优化 K-均值聚类，提升对振幅变化和噪声的鲁棒性。
• 通过单一学习的特征模型，在不同组织区域间实现可迁移的、生物分子特异性的对比度。

提出的方法

• 采用优化的 K-均值聚类方法，其中聚类质心通过各聚类及其负向的主成分计算，增强对噪声和振幅缩放的鲁棒性。
• 将时域信号视为向量，信号间距离定义为两者夹角的正弦值，实现与振幅无关的基于形状的聚类。
• 从单脉冲 266 nm 激发下捕获的原始 PARS 时域波形中学习信号原型（质心）。
• 通过时域到学习特征域的基变换提取特征振幅，实现对每个原型贡献的定量映射。
• 在 50 kHz 266 nm 激光和 405 nm 探测光束的共聚焦全光学系统中，对未经处理的小鼠脑组织进行应用。
• 通过将三个学习到的特征映射到红、绿、蓝通道，生成彩色图像，基于内在光学响应形状生成虚拟组织标记。

实验结果

研究问题

• RQ1 PARS 信号中的时域特征是否能携带超出总吸收幅度的潜在生物分子特性信息？
• RQ2 对 PARS 时域波形进行无监督聚类是否能识别出与特定组织成分相关的独立且具有生物学意义的信号形状？
• RQ3 在某一组织区域训练的单一学习特征模型，是否能成功迁移至其他区域而无需重新训练？
• RQ4 该方法在多大程度上可增强吸收对比度并实现在无需多波长激发或先验标记情况下的虚拟标记？
• RQ5 与传统的振幅投影相比，所提出的聚类方法在噪声鲁棒性和信号保真度方面有何改进？

主要发现

• 所提出的方法成功生成了彩色 PARS 图像，能清晰区分新鲜切除的小鼠脑组织中的白质（髓鞘神经元）、灰质（无髓鞘神经元）和核结构。
• 当 K=3 时，该方法生成了三通道彩色图像，不同特征分别映射到红、绿、蓝通道，揭示了在标准振幅投影中不可见的先前未被发现的结构细节。
• 与传统的时域振幅投影相比，该技术在结构清晰度和噪声抑制方面表现更优，通过直接视觉对比得到验证。
• 基于聚类的特征在不同脑区（包括白质、灰质及其过渡区）之间具有可迁移性，表明其具有鲁棒性和泛化能力。
• 该方法实现了使用单一超宽带紫外激发（266 nm）的单次采集、无需标记的多种生物分子可视化，避免了多波长方法的需求。
• 该方法表明，时间分辨信号形状本身，而不仅仅是振幅，编码了关于组织成分和材料特性的生物显著信息。