초고감도 저광손상 코히런트 안티스톡스 라만 스캐터링(HELP‑CARS)으로 마이크로몰 수준 화학 영상

초록

HELP‑CARS는 1 MHz 비공선형 광학 파라메트릭 증폭기(NOPA)와 펄스 차핑을 이용해 라만 신호를 300배 증폭하고, 비공명 배경 대비 11배 향상시킨다. 자체 지도형 딥러닝(SPEND)으로 잡음과 배경을 추가로 10배 감소시켜 DMSO‑d₆ 기준 160 µM(≈1 000 분자) 검출 한계를 달성한다. 살아있는 세포에서도 광손상이 없으며, 탈수소 지방산을 이용한 단일 지방구 내 화학 분리를 최초로 시각화한다.

상세 분석

HELP‑CARS는 기존 80 MHz OPO 기반 라만 현미경의 근본적인 한계를 극복한다. 1 MHz 비공선형 광학 파라메트릭 증폭기(NOPA)를 사용함으로써 평균 전력은 동일하지만 펄스 피크 전력이 약 80배, 즉 라만 코히런트 진동 흥분 효율을 약 300배 증가시킨다. 펄스 차핑을 통해 펌프는 30 ps, 스토크스는 5 ps로 늘려 비공명 배경(NRB)과의 시간 겹침을 최소화하고, 광손상을 선형 광열 효과로 전환해 세포 생존성을 유지한다. 시뮬레이션과 실험 모두에서 NRB 대비 신호 비율이 11배 향상됨을 확인하였다. 그러나 NOPA의 낮은 반복률은 펄스‑투‑펄스 불안정성을 야기해 비독립적(i.i.d.가 아닌) 잡음이 증가한다. 이를 해결하기 위해 저자들은 SPEND(Self‑Permutation Noise2Noise Denoiser)라는 자체 지도형 딥러닝 프레임워크를 도입하였다. SPEND는 공간·스펙트럼 상의 구조화된 잡음을 학습해 제거하고, Kramers‑Kronig(KK) 기반 배경 보정과 결합해 전체 SNR을 추가로 10배 상승시킨다. 결과적으로 DMSO‑d₆ 기준 검출 한계가 160 µM(≈1 000 분자)까지 내려가며, 이는 OPO‑SRS 대비 30배, OPO‑CARS 대비 7배 이상의 감도 향상이다. 또한 CARS는 SRS에 비해 공간·축방향 해상도가 높아 동일 농도에서도 더 적은 분자 수로 신호를 얻을 수 있다. 실험적으로는 살아있는 세포를 6 분간 2850 cm⁻¹에서 연속 스캔해도 평균 강도·세포 이동성에 변화가 없었으며, 탈수소 지방산을 라벨링한 단일 지방구 내에서 화학적 분리를 최초로 시각화하였다. 이와 같이 하드웨어와 AI 기반 소프트웨어의 결합은 고감도, 저광손상 라만 이미징을 실현한다.