深層学習を用いた単層カーボンナノチューブの超解像近赤外蛍光顕微鏡法

単層カーボンナノチューブ（SWCNT）は、近赤外（nIR）蛍光が生物的透明ウィンドウと重なることから、独自の光学的及び物理的特性を持ち、数多くの生物医療イメージング及びセンシングの応用があります。しかし、可視範囲のエミッターと比較して、長い排出波長は回折限界により解像度を低下させます。さらに、SWCNTの細長い高アスペクト比構造は、点状エミッターを前提とした超解像技術に追加の課題をもたらします。深層学習と畳み込みニューラルネットワークの利点を活用し、ネットワークトレーニングのための超解像ラジアル変動（SRRF）アルゴリズムと組み合わせることで、SWCNTのnIR蛍光画像の空間解像度を向上させるための迅速でパラメータフリーな計算手法を提供します。元の画像と比較して、解像度が平均22%改善し、信号対雑音比（SNR）が47%向上することを示しました。一方、SRRFはわずか24%のSNR改善をもたらします。このアプローチは、さまざまなSWCNT密度及び長さ分布、さらに、リアルタイムビデオを含む挑戦的なSNR条件下での広範なイメージング条件において示され、時間分解能を損なうことなく実施されます。これらの結果は、nIR蛍光SWCNT画像の超解像を加速し、アクセス可能にする道を開き、ナノスケールの光学プローブとしての応用をさらに進めるものです。