基于低帧率智能手机视频显微的机器学习微秒级发光寿命成像
仪器与探测器
2023-10-09 v1 光学
摘要
时间分辨技术已广泛应用于时间门控与发光寿命成像。然而，传统时间分辨系统需要昂贵实验室设备，如高速激发源和探测器或复杂的机械斩波器以实现高重复频率。在此，我们提出一种经济高效且小型化的智能手机寿命成像系统，其集成了脉冲 UV LED，利用基于视频显微的虚拟斩波器（V-chopper）机制结合机器学习进行 2D 发光寿命成像。V-chopper 方法在激发脉冲与智能手机门控间生成一系列时间延迟图像，从而可使用相对较低的采集帧率（如 30 fps）在每个像素上测量发光寿命，而无需激发同步。使用寿命从微秒到秒不等的铕（Eu）配合物染料，在 3D 打印智能手机显微镜平台上演示和评估 V-chopper 原理。开发了卷积神经网络（CNN）模型以自动区分不同衰减周期中的门控图像，准确率 >99.5%。当前智能手机 V-chopper 系统利用智能手机视频速率与激发脉冲间的默认相位偏移可检测低至约 75 微秒的寿命，且原则上可通过精确编程时间延迟检测更短寿命。该 V-chopper 方法消除了传统时间分辨检测中对昂贵复杂仪器的需求，并可极大拓展时间分辨寿命技术的应用。
引用
@article{arxiv.2304.14414,
title = {Low-Rate Smartphone Videoscopy for Microsecond Luminescence Lifetime Imaging with Machine Learning},
author = {Yan Wang and Sina Sadeghi and Rajesh Paul and Zach Hetzler and Evgeny Danilov and Frances S. Ligler and Qingshan Wei},
journal= {arXiv preprint arXiv:2304.14414},
year = {2023}
}