Flow cytometry by optical feedback interferometry : A neural network approach for label-free particle/cell classification

La détection et la caractérisation des microparticules dans un fluide sont des tâches cruciales dans les domaines de la biomédecine et du génie chimique. Cette capacité soutient des applications essentielles, telles que l'analyse d'échantillons de sang pour des indicateurs de maladies et le comptage précis de particules spécifiques dans des processus chimiques au niveau de la particule unique. Une technique de détection prometteuse qui a gagné en popularité pour son potentiel dans ces domaines est l'interférométrie à rétroaction optique (OFI). Le schéma de détection OFI utilise un laser comme source de lumière, un milieu d'interférence et un détecteur cohérent. Le principe est basé sur l'interaction entre l'onde lumineuse interne se propageant à l'intérieur de la cavité laser et la lumière rétrodiffusée qui rentre dans la cavité, causant une modulation de la puissance de sortie du laser. Ce phénomène a permis la création de capteurs compacts, peu coûteux et auto-alignants qui atteignent une haute résolution, les rendant idéaux pour diverses applications comme l'analyse des systèmes fluidiques et les applications microfluidiques. Cette thèse se concentre sur l'étude et la mise en œuvre de la technique de détection OFI pour l'analyse et la caractérisation de microparticules uniques, visant à utiliser cette technique comme cytomètre en flux optique sans étiquette. La recherche se centre sur la conception d'un système spécialisé et englobe une analyse complète de la chaîne de traitement, couvrant les facteurs pertinents pour la mise en œuvre de cette technique. Elle comprend une étude détaillée du signal OFI reçu lorsqu'une particule individuelle traverse le volume de détection laser, afin de comprendre les caractéristiques essentielles qui fournissent des informations sur la particule interrogée.