High-fidelity microsecond-scale cellular imaging using two-axis compressed streak imaging fluorescence microscopy.
Notice bibliographique
Résumé
Compressed streak imaging (CSI) is a computational imaging strategy that can acquire video at over 150 trillion frames per second. Despite this achievement, CSI faces challenges in detecting subtle intensity fluctuations in slow-moving, continuously illuminated objects. This limitation, largely attributable to high streak compression and motion blur, has curtailed the broader adoption of CSI in cellular fluorescence microscopy. To address these issues and expand the utility of CSI, we developed a two-axis compressed streak imaging (TACSI) method that results in significant improvements to the reconstructed video fidelity. TACSI introduces a second scanning axis which shuttles a conjugate image of the object with respect to the coded aperture. The moving image decreases the streak compression ratio and produces a "flash and shutter" phenomenon that reduces coded aperture motion blur, overcoming the limitations of current CSI technologies. This approach is supported with an analytical model describing the TACSI compression ratio, along with simulated and empirical measurements. We demonstrate TACSI's ability to measure rapid variations in cell membrane potentials, previously unattainable with conventional CSI. This method has broad implications for high-speed photography, including visualization of action potentials, muscle contractions, and enzymatic reactions that occur on microsecond and faster timescales using fluorescence microscopy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».