Estudio del índice de refracción de medios biológicos complejos a partir del fenómeno de transmisión óptica extraordinaria
Study of the refractive index of complex biologic media using the extraordinary optical transmission phenomenon
Ver/ Abrir
Identificadores
URI: https://hdl.handle.net/10902/30226Registro completo
Mostrar el registro completo DCAutoría
Calzada Pedraja, Paula MatildeFecha
2023-07Derechos
Attribution-NonCommercial-NoDerivatives 4.0 International
Palabras clave
Biosensor
Índice de refracción
Transmisión óptica extraordinaria
Espectroscopía Raman
Machine learning
Refracive index
Extraordinary optical transmission
Raman spectroscopy
Resumen/Abstract
Se ha realizado un estudio sobre el índice de refracción de muestras tumorales y sanas de tejido cerebral. Para se ha verificado que las muestras se pueden diferenciar en base a su índice de refracción y se ha medido el índice de refracción por separado de sustancias que se espera estén presentes mayoritariamente en la muestra. En paralelo, se ha verificado que las muestras se pueden diferenciar en base a su composición mediante espectroscopia Raman, utilizando como herramientas de análisis algoritmos de machine learning. Así se ha logrado discriminar entre los dos tipos de tejidos y estimar su composición en base a las sustancias estudiadas. Como resultado se ha visto como la cantidad de sangre, ácido hialurónico y colágeno son considerablemente mayores en el caso del tejido tumoral. Con esta estimación se ha podido calcular el índice de refracción de las muestras, obteniendo valores consistentes con aquellos medidos experimentalmente.
A in-depth analysis of tumoral and healthy brain tissue has been performed. Towards this end, the hability to sort among both samples by their refractive index has been verified and the refractive index of potential components have been measured. In parallel, it has been verified that the samples can be differentiated based on their composition by Raman spectroscopy, using machine learning algorithms as analysis tools. Raman spectroscopy, using machine learning algorithms as analysis tools. This allowed not only a tumoralperitumoral discrimination but a estimation of the sample composition. As a result, it has been shown that the amount of blood, hyaluronic acid and collagen are considerably higher in the case of tumor tissue. and collagen are considerably higher in the case of tumor tissue. This estimation allowed to compute the refractive index of both tissues, obtaining values consistent with those measured experimentally.