用于流动光学检测系统中无标记粒子分析增强的超维计算

以新视角观察微小粒子

医学和环境科学中的许多检测都依赖于发现并分拣微小粒子，从细胞到塑料微珠不等。如今这通常需要化学标记或体积庞大的显微设备，这些方法既可能慢又昂贵，有时还会对活细胞造成应激。该研究展示了一种将快速光学感测与类脑计算巧妙结合的方法，能够在不使用任何标记的情况下按尺寸对粒子进行分类，所用硬件紧凑，有朝一日可集成到便携式诊断设备中。

无标记检测的重要性

在典型的基于流动的光学系统中，粒子通过窄通道漂流，光照射其上，摄像机或探测器记录它们散射光的方式。如果粒子被带有荧光的染料标记，就更容易区分，但样品制备耗时且可能改变研究对象本身。无标记方法跳过染料，改而读取每个粒子的天然光学指纹，例如它们弯折或散射光的方式。挑战在于这些原始图样复杂且变化迅速，将其实时转换为可靠判定并不简单。

会“听变化”的相机

研究人员用事件驱动传感器替代了普通视频相机，这类设备仅在像素亮度发生变化时响应。当四种不同尺寸的聚苯乙烯微珠在薄塑料通道中流动并穿过聚焦激光束时，传感器记录了描绘每个微珠周围演变干涉图样的明暗事件爆发。由于忽略静止背景，这种相机产生的数据量要少得多，并以极高的时序精度捕捉运动，这在成千上万颗粒每秒通过时尤为理想。团队还精心设计测量，使每种微珠在多种条件下被记录，从而减少可能人为提高准确率的隐性偏差。

用于快速决策的类脑编码

团队没有训练庞大的神经网络，而是使用了超维计算，将每个图样表示为一段非常长的二进制编码，称为超向量。来自传感器的正负事件被转换为独立的二值地图并随后组合起来，保留了光亮起与变暗之间的细微差异。在训练阶段，来自同一微珠尺寸的大量超向量被合并为该类别的单一原型编码。在测试时，新图样被编码并与这些原型比较，微珠被分配到与之最相似的类别。这种方法只需对位进行简单运算，但在没有额外光学手段的情况下仍能达到超过93%的准确率。

塑造光以看得更清晰

为进一步提升性能，研究人员在通道与相机之间放置了一层磨砂玻璃。这一散射层将光扩散成更丰富的散斑图样，为每种微珠尺寸提供更具区分性的特征。通过测试不同表面粗糙度的漫射片，他们发现较粗糙的玻璃产生更宽广且信息量更大的图样，将平均准确率提升至98.67%。他们还表明并不需要保留每个像素：将图像下采样到适中分辨率可以在降低计算成本的同时保留大部分准确率，这进一步证明了该方法适用于小型、节能的设备。

从塑料微珠到真实样本

这项工作使用简单的塑料微珠作为干净的测试样例，证明了事件驱动视觉、智能光学散射和超维计算的结合能快速且高可靠地对流动粒子进行分类。向真实细胞和更多样化的粒子扩展将增加复杂性，因为形状、内部结构和材料差异都会影响光的散射方式。尽管如此，结果表明了一条通往紧凑型无标记系统的道路，这类系统不仅能检测粒子，未来甚至可能帮助实时分拣，支持用于诊断、环境监测和工业质量控制的工具。

引用: Yue, Y., Gouda, M., Sunada, S. et al. Hyper-dimensional computing for enhanced label-free particle analysis in a flow-based optical detection system. Sci Rep 16, 14900 (2026). https://doi.org/10.1038/s41598-026-44705-z

关键词: 无标记流式细胞术, 事件驱动成像, 超维计算, 微粒分类, 微流控