เทคนิคใหม่ที่ดึงแสงที่กระเจิงจากแหล่งกำเนิดแสงฟลูออเรสเซนต์มาใช้อย่างมีประสิทธิภาพสามารถนำมาใช้เพื่อบันทึกสัญญาณประสาทที่มาจากส่วนลึกภายในสมองได้ เทคนิคนี้พัฒนาโดยนักฟิสิกส์ที่มหาวิทยาลัยซอร์บอนน์ในกรุงปารีส ประเทศฝรั่งเศส โดยใช้อัลกอริธึมการแยกตัวประกอบของเมทริกซ์เพื่อเอาชนะข้อเท็จจริงที่ว่าเนื้อเยื่อชีวภาพที่ทึบแสงเป็นตัวกระจายแสงที่มองเห็นได้ชัดเจน
และทำให้
ถ่ายภาพได้ยาก ยกเว้นที่ความลึกตื้น การถ่ายภาพสมองแต่เดิมอาศัยเทคนิคแบบไม่ใช้แสง เช่น การตรวจเอกซเรย์คอมพิวเตอร์ด้วยรังสีเอกซ์และการตรวจด้วยคลื่นสนามแม่เหล็ก ด้วยการผสมผสานระหว่างคอนทราสต์ ความละเอียด และความเฉพาะเจาะจงอย่างไม่เคยมีมาก่อน การถ่ายภาพ
โดยใช้ฟลูออเรสเซนส์ในบริเวณที่มองเห็นได้และใกล้อินฟราเรดของสเปกตรัมแม่เหล็กไฟฟ้า (400-900 นาโนเมตร) จึงเป็นทางเลือกที่น่าสนใจ โดยเฉพาะอย่างยิ่งสำหรับการศึกษาการประมวลผลข้อมูลโดยเซลล์ประสาท อย่างไรก็ตาม มีข้อเสียเปรียบอย่างร้ายแรง: เนื้อเยื่อของเซลล์ประสาทจะทึบแสง
ที่ความยาวคลื่นเหล่านี้ ซึ่งจะกระจายแสงที่ตกกระทบอย่างรวดเร็ว ความทึบนี้จำกัดเทคนิคการถ่ายภาพด้วยแสงให้มีความลึกประมาณสองสามร้อยไมครอน ซึ่งสอดคล้องกับความยาวที่กระจัดกระจายในขณะที่นักวิจัยได้พัฒนาเทคนิคในการโฟกัสแสงและภาพในระดับความลึกที่มากขึ้น
วิธีการเหล่านี้ส่วนใหญ่อาศัยเทคนิคการปรับรูปร่างหน้าคลื่นที่ซับซ้อน เทคนิคเหล่านี้ใช้เวลานาน ซึ่งหมายความว่าไม่สามารถใช้เพื่อตรวจสอบการทำงานของเซลล์ประสาทในสมองแบบเรียลไทม์ได้
วิเคราะห์การทำงานของเซลล์ประสาทที่ฝังลึก วิธีการใหม่นี้พัฒนาในห้องปฏิบัติการ
ซึ่งแตกต่างตรงที่ไม่มีเป้าหมายในการดึงภาพของวัตถุเรืองแสง หรือเพื่อจำกัดตำแหน่งของวัตถุ แต่จะอาศัยการวิเคราะห์กิจกรรมของแหล่งที่มาที่ผันผวนที่ฝังลึก ซึ่งในกรณีนี้คือกิจกรรมการทำงานของเซลล์ประสาทชุดหนึ่ง โดยการบันทึกการเรืองแสงของพวกมัน
นักวิจัย
ใช้ประโยชน์จากข้อเท็จจริงที่ว่าแต่ละแหล่งจะสร้างรูปแบบแสงที่มีคอนทราสต์ต่ำแต่มีการกำหนดไว้อย่างดีหลังจากกระเจิงผ่านตัวกลางทึบแสงหนา เช่น เนื้อเยื่อสมอง รูปแบบจุดที่เรียกว่านี้สามารถถ่ายภาพได้ที่เครื่องตรวจจับหรือกล้องได้แสดงให้เห็นว่าพวกเขาสามารถใช้รูปแบบจุดที่ผันผวนเหล่านี้
เพื่อดึงสัญญาณการทำงานจากแหล่งกำเนิดแสงเรืองแสง แม้ว่าแสงจะส่องผ่านเนื้อเยื่อที่มีการกระเจิงสูงก็ตาม พวกเขาทำสิ่งนี้โดยใช้อัลกอริทึมการประมวลผลสัญญาณขั้นสูงที่เรียกว่าการแยกตัวประกอบเมทริกซ์อันดับต่ำที่ไม่เป็นลบ ลักษณะลายนิ้วมืออัลกอริทึมนี้ใช้ค่อนข้างแพร่หลาย
ในการวิเคราะห์ภาพและเพลง เช่นเดียวกับในด้านอื่นๆ ของแมชชีนเลิร์นนิงและข้อมูลขนาดใหญ่ Gigan อธิบาย โดยพื้นฐานแล้วจะพยายามแยกตัวประกอบของเมทริกซ์ขนาดใหญ่ ซึ่งเป็นลำดับของภาพที่บันทึก เป็นผลคูณของเมทริกซ์สี่เหลี่ยมผืนผ้า “บาง” สองตัว
“คำว่า ‘ไม่เป็นลบ’ ในบริบทนี้หมายความว่าเรากำลังมองหาวิธีแก้ปัญหาที่เมทริกซ์ขนาดเล็กทั้งสองมีค่าสัมประสิทธิ์เป็นบวก” เขากล่าว “วิธีการนี้ทำให้การคำนวณง่ายขึ้นอย่างมาก และอัลกอริทึมจะค้นหาวิธีแก้ปัญหาแม้ว่าข้อมูลจะมีสัญญาณรบกวนมากก็ตาม (เช่นในกรณีของเรา)”
เหตุผลหลักที่เทคนิคการแยกตัวประกอบได้ผล Gigan กล่าวเสริมคือ เมทริกซ์ขนาดใหญ่ที่พวกเขาพยายามแยกตัวประกอบสามารถสันนิษฐานได้ว่ามาจากแหล่งที่มาจำนวนจำกัด (เซลล์ประสาท) ซึ่งแต่ละแหล่งมี “ลายนิ้วมือ” ที่มีลักษณะเฉพาะของตัวเอง
“แม้ว่าอัลกอริธึมดังกล่าวจะถูกนำมาใช้ในแอปพลิเคชันประสาทวิทยาศาสตร์มาก่อน แต่ก็ไม่เคยถูกนำมาใช้กับสถานการณ์ ‘ร้อยสาย’ เช่นนี้มาก่อน” เขากล่าว “ในการทดลองของเรา สัญญาณจะผสมกันอย่างสมบูรณ์โดยการแพร่กระจายของสัญญาณแสงที่ใช้งานได้ผ่านตัวกลางที่กระจาย
ซึ่งเป็นสิ่งที่ปิดกั้นและป้องกันการถ่ายภาพโดยตรง เราได้แสดงให้เห็นว่าอัลกอริทึมสามารถ ‘แยกผสม’ สัญญาณเหล่านี้ได้อย่างมีประสิทธิภาพ เพื่อให้สามารถเรียกค้นข้อมูลได้อย่างมีประสิทธิภาพ”การทดลองพิสูจน์หลักการเพื่อทดสอบวิธีการของพวกเขา นักวิจัยได้ออกแบบการทดลองพิสูจน์
หลักการ
โดยจำลองกิจกรรมของเครือข่ายเซลล์ประสาทสังเคราะห์ขนาดเล็กที่ทำจากเม็ดบีดเรืองแสงขนาด 10 ไมครอน ซึ่งมีขนาดใกล้เคียงกับร่างกายของเซลล์ประสาทส่วนใหญ่ พวกเขาวางลูกปัดเหล่านี้ไว้ใน กระโหลกของหนู ex vivoที่มีความหนาประมาณ 300 ไมครอนและมีความยาวประมาณ 40 ไมครอน
จากนั้นพวกเขาตื่นเต้นกับลูกปัดโดยใช้แสงเลเซอร์สีน้ำเงินและรวบรวมจุดเรืองแสงที่เกิดขึ้นโดยใช้วัตถุประสงค์ของกล้องจุลทรรศน์ก่อนจากนั้นจึงใช้กล้อง สุดท้าย พวกเขาใช้อัลกอริทึมเพื่อดึงข้อมูลเกี่ยวกับการปล่อยแสงและการเปลี่ยนแปลงตามเวลา
เทคนิคนี้พิสูจน์ให้เห็นว่าแม้การกระเจิงของแสงที่รุนแรงจะไม่ทำลายข้อมูลที่แสงนำพาไปทั้งหมด และมันสามารถดึงกลับคืนมาได้โดยใช้วิธีการทางคอมพิวเตอร์ Gigan กล่าว “การใช้ลูกปัดเรืองแสงที่เราสามารถกระตุ้นได้จะช่วยให้เราเข้าใจฟิสิกส์ที่อยู่ในมือและกำหนดข้อจำกัดของเทคนิคได้” เขากล่าว
เสริม “การประยุกต์ใช้เทคนิคที่ชัดเจนที่สุดคือการศึกษาเกี่ยวกับออปโตเจเนติกส์ของประสาทวิทยา แต่เราหวังว่าจะนำไปใช้ในสาขาอื่นนอกเหนือจากการถ่ายภาพทางชีวการแพทย์ เช่น ในการรับความรู้สึก เป็นต้น”ทีม ซึ่งรายงานผลการวิจัยของพวกเขากำลังทำงานร่วมกับนักชีววิทยาเพื่อใช้เทคนิคนี้
credit : เว็บแท้ / ดัมมี่ออนไลน์
