PCA aplicada ao OCT dinâmico permite imagens histológicas sem preparo de tecido
O problema: resolução versus profundidade de foco no OCT dinâmico
O OCT dinâmico (DOCT) é capaz de mapear movimentos intracelulares e fluxo sanguíneo em tecidos vivos, mas enfrenta um dilema físico fundamental: objetivos de alta abertura numérica (NA), necessários para resolução transversal submicron, reduzem drasticamente a profundidade de foco (DOF). Nos experimentos descritos no estudo, a DOF medida experimentalmente foi de apenas 50 μm — insuficiente para cobrir volumes biologicamente relevantes. Fora do plano focal, sinais de espalhadores em movimento se mesclam ao fundo estático, degradando tanto o contraste dinâmico quanto a relação sinal-ruído (SNR).
Além disso, objetivos de alta NA introduzem artefatos intensos de reflexão especular que sobrepõem os sinais de interesse, problema especialmente grave em sistemas com fusão de domínio Gabor — técnica que combuta dados de múltiplos planos focais para estender o campo focado.
A solução proposta: PCA sobre dados complexos do OCT
O estudo demonstra que a Análise de Componentes Principais (PCA) aplicada diretamente aos dados complexos do OCT pode, de forma simultânea, separar estruturas estáticas de eventos dinâmicos, eliminar artefatos de reflexão especular e reduzir o número de aquisições necessárias em comparação ao método clássico baseado em Transformada de Fourier (FT).
A lógica matemática é direta: a matriz de covariância dos dados complexos é decomposta em autovetores (componentes principais, CPs) ordenados por variância decrescente. O primeiro componente (PC1) captura a maior variância — correspondendo às estruturas mais estacionárias do tecido. Componentes de ordem superior (PC2, PC3, etc.) capturam variâncias residuais progressivamente menores, associadas a movimentos intracelulares, fluxo de fluidos ou, em ordens iniciais, aos próprios artefatos.
O instrumento desenvolvido opera com uma diodo superluminescente de 840 nm e 45 nm de largura espectral, com taxa de aquisição de câmera de 100 kHz. Cada volume MB-scan tem dimensão de 400 × 200 × 16 pixels e é adquirido em 128 ms. A fusão Gabor, viabilizada por uma lente líquida de foco variável, estendeu o intervalo axial focado para 1,9 mm, mantendo resolução lateral melhor que 2,19 μm (medida no ar).
Resultados: separação entre estático e dinâmico
Em experimentos com um tubo plástico preenchido com suspensão de leite, PC1 e PC2 concentraram sinais de alta variância provenientes das paredes estáticas e das interfaces ar/superfície. Ao excluir esses componentes e reconstruir a imagem com os CPs de ordem superior, os autores obtiveram um mapa de movimento das partículas coloidais do leite — cuja agitação browniana constante distribui sinal pelos componentes residuais. A SNR na interface externa do tubo foi aproximadamente 40 dB maior em PC1 e PC2 do que nos componentes de ordem superior, confirmando quantitativamente a separação. A média de PC10 a PC15 alcançou uma CNR de 18,1 dB dentro da suspensão.
Na comparação com o método FT convencional (que integrou 512 B-scans e aplicou corte de 0,1 Hz), a PCA utilizou apenas 16 repetições de B-scan por posição. Os autores apontam que o método PCA pode ser mais eficaz na supressão de sinais de partículas estacionárias, enquanto o FT apresentou CNR absoluta maior — ressaltando que a comparação direta é limitada pelos diferentes parâmetros de aquisição.
Células pulmonares: eliminação de franjas de Fizeau e artefatos verticais
Ao imagear culturas de células H358 (carcinoma bronquioalveolar humano) em placa de Petri, a imagem de magnitude exibiu dois tipos de artefatos: franjas de Fizeau, causadas pela interferência entre as superfícies anterior e posterior da fina camada de meio de cultivo, e linhas verticais por reflexão especular. Ao analisar os primeiros dez CPs individualmente:
- PC2 e PC3 absorveram as franjas de baixa e alta densidade, respectivamente;
- PC4 concentrou os artefatos de linhas verticais;
- PC6 a PC10 foram livres de ambos os artefatos.
A média de PC6 a PC10 gerou uma imagem de movimento livre de artefatos, com SNR de 22,3 dB e CNR de 2,3 dB — suficiente para visualizar atividade celular. Os autores esclarecem que a PCA não elimina artefatos por assumir aleatoriedade: ela os agrupa nos CPs cujo autovalor corresponde à variância dominante daquele padrão espacial, relegando-os a componentes específicos e previsíveis.
Tecido renal bovino: imagens histológicas sem preparo convencional
O resultado de maior potencial translacional é a geração de imagens histológicas digitais de tecido renal bovino fresco, sem desidratação, infiltração, seccionamento ou coloração.
Na imagem de tecido adiposo renal, os artefatos de reflexão especular visíveis em múltiplas profundidades focais foram completamente removidos ao se calcular a média dos CPs 3 a 7. As estruturas destacadas incluíram adipócitos (ausência de sinal dinâmico, provavelmente pela hipóxia pós-biópsia) e a fração vascular estromal (SVF), com movimento de fluidos e células de suporte.
Nas imagens de parênquima renal com fusão Gabor de cinco posições focais, a média dos CPs 5 a 7 revelou:
- Lúmens de túbulos renais com conteúdo ainda em movimento (água, glicose, ureia), contrastando com a histologia convencional, onde o fluido é removido durante o preparo;
- Células inflamatórias — provavelmente linfócitos e plasmócitos — identificáveis sem necessidade de infiltração ou coloração.
As imagens en-face foram achatadas digitalmente após identificação da superfície ar/amostra e recortadas em espessuras de 6 μm — comparáveis às obtidas por micrótomo — e de 24 μm. Os autores ressaltam que a hidratação do tecido foi essencial para a formação dessas imagens.
Limitações e direções futuras
O estudo reconhece que a seleção dos CPs relevantes ainda é feita por inspeção visual, o que introduz subjetividade. Os autores propõem critérios objetivos baseados na razão entre autovalores consecutivos (análogo ao limiar de energia espectral no FFT) e apontam métodos como regularização por variação total, correlação de fase entre quadros e redes neurais autossupervisionadas (como variantes do SSN2V para volumes 4D-OCT) como caminhos para automação.
Outras limitações incluem: o sistema atual usa 16 repetições de B-scan, cuja redução adicional pode comprometer a validade estatística da PCA; a tradução para imagem in vivo exigirá gerenciamento de movimento de massa tissular e velocidades de aquisição maiores; e a correspondência direta entre CPs e escalas de tempo específicas é menos transparente do que no FFT, embora o espectro de potência de cada autovetor contenha, em princípio, essa informação.
O tempo de processamento PCA reportado foi de 304 ms para 75 imagens de seção transversal em implementação MATLAB com GPU NVIDIA GeForce RTX 3060 — valor ainda não otimizado, com potencial de redução substancial por implementação CUDA dedicada.
