Τεχνικές με femtosecond lasers και νευρομορφικές κάμερες συμβάντων για απεικόνιση στην κυτταρομετρία ροής και την ταξινόμηση μικροσωματιδίων

Abstract

Imaging flow cytometry combines the statistical throughput of flow cytometry with the spatial information of microscopy. Its extension to high-flow regimes is constrained by two coupled bottlenecks: the generation of large volumes of redundant image data and the motion blur that arises when particles move appreciably during sensor exposure. This doctoral dissertation experimentally investigates photonic and neuromorphic imaging architectures that address these limitations through physical encoding, sparse sensing and optical preprocessing. The work focuses on the design, construction, alignment, characterization and experimental operation of high-speed imaging flow cytometry platforms, together with the acquisition, organization and physical interpretation of the resulting datasets. First, a time-stretched imaging flow cytometry platform was developed and characterized. In this architecture, spatial information from flowing microparticles is mapped onto a temporal waveform through spectral and dispersive encoding. This approach enables high-rate optical readout using fast photodetection rather than conventional frame-based image acquisition, while exposing the principal experimental constraints associated with optical loss, signal-to-noise ratio and coupling stability. In a time-stretched imaging cytometry experiment, temporal traces from PMMA microparticles were used for two-class particle classification at an imaging throughput of up to 62,000 particles per second. Second, an event-based imaging flow cytometry platform was implemented experimentally. In contrast to conventional cameras, event-based sensors do not acquire full frames at fixed intervals. Instead, each pixel independently emits an asynchronous event when the local logarithmic change in brightness exceeds a predefined contrast threshold. This sensing principle transfers part of the data reduction process to the detector itself, suppresses the redundancy of the static background and enables high-temporal-resolution recording of flowing PMMA microparticles with reduced motion blur. The datasets generated by these platforms were used to evaluate digital and photonic classification architectures. Photonic preprocessing was based on Optical Spectrum Slicing, in which optical filters partition and weight spectral components of the signal before the digital backend. In the event-based pathway, coupling the neuromorphic camera to photonic preprocessing enabled PMMA microparticle classification with an accuracy of 98.6%, while reducing the number of trainable parameters in the digital network by up to a factor of 22. In the time-stretched pathway, Optical Spectrum Slicing improved classification accuracy from 87.8% to 91% and reduced the complexity of the digital backend by a factor of 2.5. Together, these results show that high-speed imaging flow cytometry can be formulated as a co-design problem involving optical acquisition, physical encoding, sparse sensing and efficient classification. Time-stretched imaging provides ultrafast photonic readout; event-based sensing reduces data redundancy at the detector level; and photonic preprocessing decreases digital complexity while preserving task-relevant information. The dissertation therefore establishes an experimental basis for next-generation imaging cytometry systems in which measurement and preprocessing are treated as components of a unified sensing–processing pipeline, with potential extension to real-time operation, biological samples and active closed-loop sorting.

Η απεικονιστική κυτταρομετρία ροής συνδυάζει την υψηλή στατιστική απόδοση της κυτταρομετρίας με τη μορφολογική πληροφορία της μικροσκοπίας. Η επέκτασή της σε καθεστώτα υψηλής ροής περιορίζεται από δύο αλληλένδετα τεχνολογικά εμπόδια: τον μεγάλο όγκο πλεονάζοντων δεδομένων που παράγεται από τη συνεχή καταγραφή εικόνων και το θόλωμα κίνησης (motion blur) που εμφανίζεται όταν τα σωματίδια μετατοπίζονται κατά τη διάρκεια του χρόνου έκθεσης. Η παρούσα διδακτορική διατριβή διερευνά πειραματικά φωτονικές και νευρομορφικές αρχιτεκτονικές που αντιμετωπίζουν αυτούς τους περιορισμούς μέσω φυσικής κωδικοποίησης, αραιής ανίχνευσης και φωτονικής προεπεξεργασίας. Η εργασία εστιάζει στον σχεδιασμό, την κατασκευή, την ευθυγράμμιση, τον χαρακτηρισμό και την πειραματική λειτουργία διατάξεων απεικονιστικής κυτταρομετρίας υψηλής ταχύτητας, καθώς και στη λήψη, οργάνωση και φυσική ερμηνεία των παραγόμενων δεδομένων. Αρχικά αναπτύχθηκε και χαρακτηρίστηκε διάταξη time-stretched απεικονιστικής κυτταρομετρίας ροής, βασισμένη στη μετατροπή χωρικής πληροφορίας σε χρονική κυματομορφή μέσω φασματικής και διασπορικής χαρτογράφησης. Η προσέγγιση αυτή επιτρέπει υπερταχεία οπτική ανάγνωση με χρήση ταχέων φωτοανιχνευτών, ενώ ανέδειξε τους κύριους πειραματικούς περιορισμούς που σχετίζονται με τις οπτικές απώλειες, τον λόγο σήματος προς θόρυβο και τη σταθερότητα σύζευξης. Σε πειραματική διάταξη time-stretched imaging cytometry, χρονικά ίχνη από μικροσωματίδια PMMA χρησιμοποιήθηκαν για ταξινόμηση δύο κλάσεων, με ρυθμό απεικόνισης έως 62.000 σωματίδια ανά δευτερόλεπτο. Στη συνέχεια αναπτύχθηκε πειραματική διάταξη βάσει συμβάντων (event-based) απεικονιστικής κυτταρομετρίας ροής. Σε αυτήν την αρχιτεκτονική, η καταγραφή δεν πραγματοποιείται με πλήρη καρέ αλλά μέσω ασύγχρονων συμβάντων που παράγονται τοπικά από κάθε pixel όταν η λογαριθμική μεταβολή της φωτεινότητας υπερβεί προκαθορισμένο κατώφλι. Η προσέγγιση αυτή μεταφέρει μέρος της συμπίεσης της πληροφορίας στο επίπεδο του αισθητήρα, μειώνει τον πλεονασμό του στατικού υποβάθρου και επιτρέπει την καταγραφή μικροσωματιδίων PMMA υπό ροή με υψηλή χρονική ανάλυση και περιορισμένο motion blur. Τα δεδομένα που παρήχθησαν από τις παραπάνω διατάξεις αξιοποιήθηκαν για την αξιολόγηση ψηφιακών και φωτονικών αρχιτεκτονικών ταξινόμησης. Η φωτονική προεπεξεργασία βασίστηκε στην τεχνική Optical Spectrum Slicing (OSS), κατά την οποία οπτικά φίλτρα τεμαχίζουν και σταθμίζουν φασματικές συνιστώσες του σήματος πριν από το τελικό υπολογιστικό στάδιο ταξινόμησης (ψηφιακό backend). Στην event-based διαδρομή, ο συνδυασμός νευρομορφικής κάμερας και φωτονικής προεπεξεργασίας πέτυχε ακρίβεια ταξινόμησης 98,6% σε PMMA μικροσωματίδια, με μείωση των εκπαιδεύσιμων παραμέτρων του ψηφιακού δικτύου έως και κατά 22 φορές. Στην time-stretched διαδρομή, η εισαγωγή Optical Spectrum Slicing βελτίωσε την ακρίβεια ταξινόμησης από 87,8% σε 91% και μείωσε την πολυπλοκότητα του ψηφιακού backend κατά 2,5 φορές. Συνολικά, η διατριβή τεκμηριώνει ότι η απεικονιστική κυτταρομετρία ροής υψηλής ταχύτητας μπορεί να διατυπωθεί ως πρόβλημα συν-σχεδιασμού οπτικής απόκτησης, φυσικής κωδικοποίησης, αραιής ανίχνευσης και αποδοτικής ταξινόμησης. Η STEAM/time-stretch διάταξη προσφέρει υπερταχεία φωτονική ανάγνωση, η event-based κάμερα μειώνει τον πλεονασμό των δεδομένων στην πηγή και η φωτονική προεπεξεργασία μειώνει τη ψηφιακή πολυπλοκότητα διατηρώντας την ταξινομητικά χρήσιμη πληροφορία. Η εργασία θεμελιώνει μια πειραματική πλατφόρμα για μελλοντικά συστήματα κυτταρομετρίας πραγματικού χρόνου, χαμηλού υπολογιστικού φορτίου και πιθανής διασύνδεσης με ενεργή διαλογή.