Nous présentons ici un système automatisé basé sur la tomographie par cohérence optique ou oct. Cela nous permet de surveiller la structure des biofilms sur de grandes échelles spatiales ou de longues périodes de temps. L’imagerie OCT est bien adaptée pour résoudre les structures de la gamme des micromètres, mais elle est actuellement limitée à une superficie maximale d’environ 250 millimètres carrés.
Les biofilms dépassent souvent cette échelle, surtout lorsque la différenciation est entraînée par des gradients environnementaux à grande échelle. La configuration expérimentale nous permet de surveiller la morphogenèse tridimensionnelle des biofilms sur de grandes échelles spatiales et de longues périodes de temps. Le système est rapide, précis, et il fonctionne de façon autonome.
Nous avons étudié la morphogenèse des biofilms dans les cours d’eau où ils conduisent d’importants processus écosystémiques. Cependant, le système peut être utilisé pour étudier les biofilms dans d’autres systèmes naturels ou environnements d’ingénierie. Le logiciel de positionnement, d’acquisition d’images et d’analyse est écrit dans Python.
Ils sont disponibles via Jupyter Notebooks. Ce sont des solutions conviviales, disponibles gratuitement et flexibles. Nous croyons que la représentation visuelle de la configuration aide d’autres utilisateurs à reproduire l’installation et à mieux comprendre le logiciel.
Nous espérons que cela inspirera d’autres chercheurs à adopter des approches similaires. Voici un aperçu de l’installation. Le système est composé d’un dispositif de positionnement de précision, la sonde OCT, et il est assemblé autour d’un flume en plexiglas.
Commencez par câblage du dispositif de positionnement en suivant avec les instructions affichées sur GitHub. Une fois connecté, installez le serveur GRBL tel que décrit dans une page GitLab séparée. Système de positionnement peut maintenant être contrôlé à travers cette page Web;alternativement, il peut être contrôlé par un script Python comme indiqué dans l’exemple travaillé.
Placez l’ordinateur et l’unité de base oct sur un banc à côté de la configuration expérimentale contenant des dispositifs microfluidiques, des chambres d’écoulement, des flumes ou des systèmes de filtration. S’il n’est pas déjà installé, installez le système OCT avec le logiciel disponible tel que décrit par le fabricant. Ensuite, installez les logiciels pour l’acquisition automatisée d’oct scan tel que décrit dans les documents GitLab liés à ici.
Pour commencer l’acquisition d’images, montez la sonde de tomographie de cohérence optique sur le dispositif de positionnement à l’aide d’un support compatible en queue d’aronde. Si nécessaire, installez un adaptateur d’immersion sur l’objectif, puis ez de l’énergie sur le système OCT et le dispositif de positionnement. Ouvrez le logiciel oct commercial, localisez un site d’intérêt, concentrez-vous sur l’échantillon et ajustez le bras de référence et l’intensité de la source lumineuse pour une qualité d’image optimale.
Notez les coordonnées et répétez cette procédure pour un certain nombre de positions tout en conservant la même longueur de bras de référence et l’intensité. Ouvrez l’Acquisition d’image. fichier ipynb trouvé dans le fichier supplémentaire 2 de cet article dans Jupyter Notebook.
Chaque cellule contient du code pour effectuer des tâches spécifiques et peut être exécuté séparément via la cellule de pressage, puis exécuter ou contrôler et entrer ou déplacer et entrer. Suivez l’exemple travaillé pour définir le chemin vers les bibliothèques requises pour connecter le dispositif de positionnement pour calibrer le dispositif de positionnement pour paralyser le scanner OCT. Ajustez ensuite les paramètres d’acquisition, y compris l’indice réfractif, la taille du champ de vision et le nombre d’analyses A par analyse B.
En outre, définissez les limites de signal de l’analyse OCT en fonction des histogrammes d’intensité des analyses préliminaires et du dossier de destination pour les données et métadonnées acquises. Selon le champ de vision et de résolution, la taille du fichier peut atteindre jusqu’à 1,5 gigaoctet par analyse OCT. Ces deux paramètres déterminent la taille des voxels dans l’ensemble de données final et la taille du fichier de sortie.
Ils doivent correspondre à la résolution optique de la sonde OCT. Comme il est souligné dans l’exemple travaillé, vous pouvez acquérir une seule analyse OCT avec des paramètres par défaut ou acquérir un seul scan spécifier un ensemble différent de paramètres. Vous pouvez également fournir des coordonnées spécifiques pour déplacer l’appareil de positionnement et acquérir un seul scan OCT.
Cette fonctionnalité vous permet de revenir à plusieurs reprises à la même position exacte dans l’expérience avec une grande précision spatiale. Les données sont enregistrées en 8bit. format brut pour économiser de l’espace de stockage.
Les métadonnées, y compris les paramètres et coordonnées oct, sont enregistrées dans le même dossier dans un fichier json avec la même convention de nommage. Veuillez également spécifier une liste de positions d’intérêt et acquérir automatiquement les analyses OCT respectives. Afin de caractériser les structures morphologiques des biofilms à travers de grands gradients environnementaux, acquérir des scans dans un modèle de mosaïque.
Pour cela, spécifiez le nombre de tuiles voisines avec un chevauchement par défaut de 30%Les scans oct bruts semblent déformés. Cela est dû à des différences dans la longueur du chemin à travers le système optique. Nous avons développé un algorithme qui corrige cette distorsion comme le montrent les exemples travaillés.
Pour commencer la correction d’image, ouvrez l’ordinateur portable Jupyter ImageProcessing.ipynb. À la suite de cet exemple, prélifèrez d’abord les analyses oct afin d’exclure les signaux fallacieux et de réorienter l’ensemble de données de sorte que le biofilm apparaisse au-dessus du substrat. Prochain correct pour aberration sphérique.
Pour ce faire, l’algorithme localise une surface plane hautement réfléchissante dans l’analyse OCT et l’utilise comme référence pour aplatir les scans. Sur une grille de 20 sur 20, l’algorithme identifie ensuite les maxima locaux dans l’intensité du signal pour localiser la surface de référence. Ensuite, une surface polynomiale de deuxième ordre est installée à travers ces points et utilisée pour déplacer chaque pixel de l’analyse OCT dans la direction Z.
Les paramètres de cet algorithme doivent être ajustés aux caractéristiques de l’analyse OCT. Cette correction permet une surface de référence homogène sur plusieurs images et facilite ainsi la couture d’images à grande échelle. Une fois l’image aplatie, les images sont corrigées pour le bruit de fond en identifiant une zone vide de l’image au-dessus du biofilm et en soustrayant l’intensité moyenne du fond.
Calculez ensuite une carte d’élévation à partir de l’ensemble de données OCT 3D. Pour ce faire, définissez une surface de référence telle que le substrat et choisissez un seuil d’intensité approprié. Ensuite, une carte d’élévation est rendue avec la hauteur du biofilm signalé comme valeur à échelle grise.
Si les images ont été acquises dans un motif de mosaïque, coudre les cartes d’élévation respectives en appliquant l’algorithme de couture. À l’aide de la formation image automatisée d’OCT, la morphogenèse spatiotemporal des biofilms phototrophiques de flux a été examinée utilisant des expériences flume. Les flumes sont faits de plexiglas et s’élargissent progressivement de l’entrée à l’écoulement.
Il en résulte un gradient de vitesse d’écoulement. Voici une carte d’élévation d’un biofilm qui pousse le long de tout le gradient de vitesse d’écoulement. Fait important, le système automatisé d’imagerie oct permet une mesure continue des paramètres structurels tels que l’épaisseur du biofilm, la rugosité et le biovolume dans des conditions d’écoulement différentes allant de la vitesse de faible débit aux conditions de vitesse à débit élevé.
Avec des changements morphologiques, le biovolume moyen a diminué de manière significative en fonction de la distance de l’entrée dans le flume. La qualité des analyses OCT dépend de façon critique de la longueur du bras de référence et de la distance de mise au point. Vous devrez peut-être réajuster ce paramètre pendant les expériences.
Pour assurer la précision du dispositif de positionnement, n’oubliez pas d’effectuer régulièrement des opérations d’homing. Ce dispositif d’imagerie automatisé peut être facilement couplé avec le profilage des microcapteurs pour une caractérisation fonctionnelle des biofilms. Oct est une technique d’imagerie émergente et nous prévoyons que le système présenté ici stimule la recherche sur la structure du biofilm.
Cela peut être pertinent pour des technologies telles que le traitement de l’eau potable ou le biotraitement.
