Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Ampronix,  Inc

Un dispositivo para los microscopios facilita la investigación de las enfermedades cerebrales

Por el equipo editorial de Medimaging en español
Actualizado el 10 Oct 2018
Print article
Imagen: Vasculatura cerebral en un ratón anestesiado observada usando Pysight (Fotografía cortesía de Pablo Blinder/TAU).
Imagen: Vasculatura cerebral en un ratón anestesiado observada usando Pysight (Fotografía cortesía de Pablo Blinder/TAU).
Un complemento para los microscopios de barrido láser podría ayudar a los científicos a comprender mejor la dinámica cerebral y descubrir nuevos tratamientos para problemas de salud como la apoplejía, la epilepsia y la demencia.

Desarrollado por investigadores de la Universidad de Tel Aviv (TAU; Israel), PySight es una solución combinada de hardware y software de código abierto que mejora las imágenes en condiciones de privación de fotones. PySight funciona mediante la producción de un flujo de datos que se escala con el número y el tiempo preciso de cada fotón detectado, no con el volumen o el área de la imagen; si no se detectan fotones, no se registra nada. Esto permite a los investigadores realizar imágenes rápidas de grandes volúmenes durante largas sesiones, sin comprometer la resolución espacial o temporal.

La aplicación de software lee una lista de los tiempos de llegada de fotones generados por un digitalizador de tiempo de eventos múltiples, que los registra con una precisión de 100 picosegundos. El componente de hardware es una lente de barrido axial resonante comercial que cambia el plano focal cientos de miles de veces por segundo. Al coordinar el rayo láser escaneado rápidamente a través de diferentes profundidades dentro del cerebro con las señales de temporización del digitalizador, se puede determinar el origen de cada fotón dentro de la muestra para reconstruir imágenes y películas tridimensionales continuas, de alta resolución espaciotemporal.

Para probar si PySight era realmente plug and play, los investigadores llevaron el multiscaler a otro laboratorio en el campus de la Universidad de Tel Aviv. Pudieron simplemente enchufar el dispositivo en otro microscopio multifotónico, descargar el software PySight y comenzar a registrar respuestas de olor de un solo rastro en moscas de la fruta modificadas genéticamente para expresar los indicadores de voltaje. PySight pudo retener velocidades de datos 200 veces más bajas que las de un sistema de adquisición de datos convencional con tamaños de vóxel comparables. El estudio fue publicado el 13 de septiembre de 2018 en la revista Optica.

"Para reconstruir una imagen multidimensional, saber cuándo cada fotón llega al detector no es suficiente. También es necesario saber dónde se originó en el cerebro", dijo el autor principal Pablo Blinder, PhD, del Centro de Nanotecnología de la TAU. "Para enfrentar este desafío, los microscopistas han utilizado un método de lectura de detectores llamado recuento de fotones. Sin embargo, debido a que su implementación requirió un amplio conocimiento de la electrónica y componentes personalizados, el recuento de fotones nunca se ha adoptado ampliamente".

"El procedimiento sencillo de instalación de PySight y su integración con un hardware de última generación eliminan tales preocupaciones. Debido a que el software está disponible de forma gratuita para el público, debería ayudar enormemente a los laboratorios previamente disuadidos por la alta barrera técnica que acompañaba a las imágenes en 3D", concluyó el Dr. Blinder. "Dada su interfaz de aplicación genérica, PySight también se podría usar para interpretar listas de tiempo de detección de fotones similares de dispositivos de hardware adecuados".

Enlace relacionado:
Universidad de Tel Aviv


Print article
Radcal
Italray

Canales

Industria

ver canal
Imagen: Una herramienta de IA analiza una porción de tejido canceroso para crear un mapa que diferencia dos tipos de cáncer de pulmón, con el carcinoma escamocelular en rojo, el carcinoma escamocelulares de pulmón en azul y tejido normal de pulmón en gris (Fotografía cortesía de Cision).

Una herramientas de IA identifica el tipo de cáncer y los cambios en los tumores de pulmón

Investigadores de la Facultad de Medicina de la Universidad de Nueva York (NYU) (Nueva York, NY, EUA) han desarrollado un programa informático nuevo que puede analizar las imágenes de los tumores pulmonares... Más
Copyright © 2000-2018 Globetech Media. All rights reserved.