Pre-procesamiento para un análisis multimodal de imágenes de super-resolución preciso

Hemos desarrollado una nueva metodología para capturar imágenes de diversas biomoléculas a una resolución que supera el límite de difracción tradicional de la microscopía óptica. Al aprovechar una plataforma de imagen multimodal que combina la dispersión Raman estimulada (SRS), la fluorescencia multiphotón (MPF) y la generación de segundo armónico (SHG), junto con sofisticados algoritmos de deconvolución de imágenes, hemos generado con éxito imágenes de super-resolución que revelan los detalles del metabolismo biomolecular. Estas imágenes nos permiten explorar las complejas asociaciones entre las actividades metabólicas y la distribución espacial de los metabolitos en los tejidos de cáncer de mama. Para mejorar la precisión de esta técnica de medición, en este estudio, diseñamos un flujo de trabajo de pre-procesamiento que incorpora tanto procesos de eliminación de ruido como de corrección de deriva. Nuestro enfoque no lineal de imagen multimodal de vanguardia, cuando se aplica en un contexto de super-resolución con un nuevo flujo de trabajo, tiene una promesa significativa para avanzar en la detección temprana del cáncer de mama, la prognosticación, la evaluación de resultados terapéuticos, y profundizar en nuestra comprensión mecanicista de las enfermedades.