如何提取图像信息的自适应反褶积gydF4y2Ba

无论使用样品形貌极好的三维扫描质量,身体造成衍射现象发生在每个成像系统成像的特点,可以被所谓的点扩散函数(PSF)。对象通过一个光学系统成像代表对象的折叠(卷积)的光学特性(PSF)成像系统。这些衍射现象产生一种对象的“拖尾”导致减少的有效分辨率和不正确的成像单光子的确切位置。此外,背景和噪声的影响发生在生物样品的扫描,从而有助于进一步减少图像的实际信息内容的原始数据。gydF4y2Ba

这些影响可以显示的整个锥体扩展魔法三角形的显微镜组成的gydF4y2Ba决议gydF4y2Ba,gydF4y2Ba速度gydF4y2Ba,gydF4y2Ba灵敏度gydF4y2Ba和gydF4y2Ba光谱范围gydF4y2Ba矛盾地位于各自的角落。增加访问的地区之一导致减少相应的其他人。gydF4y2Ba

但也有方法可以进一步推进这些限制:gydF4y2Ba解决扩大金字塔的角落和解散其依赖项的识别干扰信号通过复杂的智能模型和单个光子的相关原始位置通过反褶积的过程。gydF4y2Ba

闪电可以穿透这些非常接近实时的限制gydF4y2Ba和提取共焦的原始信息数据以高效的方式,从而延长共焦成像不仅超越衍射极限gydF4y2Ba[1]gydF4y2Ba但此外,推动有效的并行敏感性和时间分辨率。清晰的图像底层标本的本质是通过自适应图像信息提取。闪电的地面真理建立自适应反褶积代表最好的程序可量化的,可再生的和值得信赖的信息恢复与经典方法相比如下列所述。gydF4y2Ba

闪电是一个完全自动化的智能信息提取的新方法gydF4y2Ba从使用极其快速并行共焦近乎实时数据GPU处理。传统方法的主要区别在于voxel-precise和动态评价的图像属性。这个过程是完全连接到基于成像系统的光学和探测器的接口,因此完全融入各自的数据和数据采集流。在此基础上确定了最佳参数随后反褶积体积为每一个相关环节。这个适应过程的相关反褶积参数空间与当地的图像属性允许一个完全自动化的复苏和voxel-accurate信息不仅在对应的图像数据,但在特定的任何生物样品和应用程序(见图1)。这种方法的另一个功能是传送信号的保护由于特定站点优化重建过程。gydF4y2Ba

相比之下,传统的反褶积方法使用一个全局的方法,不考虑依赖所在图像属性的差异。这意味着这些过程不能应用完全自动,但总是基于一个“猜测”方法,通过最大可能权衡创建全球反褶积参数空间。这种方法的缺点是很自然的,它不考虑尺度图像属性,这使得它极有可能,携带信息的信号将会错误地拒绝,或者相反,如背景或不必要的信号噪声将被解释为信息单位和增强。gydF4y2Ba

在闪电原始共焦数据总是保留经典的反褶积(节)或后处理过程。此外,闪电也可以用于一个非自适应的模式类似于经典的反褶积。gydF4y2Ba

理想情况下,反褶积的目的是消除失焦信号而不是丢弃失焦的信号,而是通过重新分配信号到它原来的位置,因此保留信号或光子计数成像总额。常规反褶积方法是基于一个合适的原始数据预处理的显微镜其次是实际的、经典的反褶积(见图2)。gydF4y2Ba

预处理可以修改图像原始数据使用泛型方法从图像处理和准备反褶积。通常,平滑的方法确定背景信号,信噪比(信噪比)是用于这一目的。反褶积后执行该过程使用之前定义的全球反褶积参数。这些参数包括显微镜的价值观特点激发/发射波的长度和规格物镜的配置文件中列出的显微镜硬件,例如。此外,灵活的价值观就像一般的背景和信噪比,尤其是反褶积相关参数(见下文)需要设置由用户定义为反褶积参数空间。这些价值观产生巨大影响的准确性和可信度分别反褶积。gydF4y2Ba

全球独立于显微镜配置,相关和设置参数的数量是由反褶积迭代反褶积过程中的步骤和正规化的数量(见图3)。迭代和正则化确定衡量的准确性/诚信反褶积,必须仔细平衡主要是基于信噪比。个人之间的正则化过程发生反褶积的步骤,通常是基于一个所谓Richardson-Lucy过程使用快速傅里叶变换(FFT)。gydF4y2Ba

正则化:gydF4y2Ba正则化参数代表一个衡量一个信号是在多大程度上解释为背景或噪声的算法。因此正确估计的参数是至关重要的,以避免生成的构件(背景或噪音,这是解释为一个传送信号),或者相反,整理的传送单位被错误地认定为背景或噪音。gydF4y2Ba

迭代:gydF4y2Ba反褶积过程本身进行迭代,直到达到一个合适的终止准则,即反褶积的过程停止,完全处理的数据。gydF4y2Ba

因此,整个反褶积参数空间是由相关的参数:gydF4y2Ba

1. 微观硬件、成像和实验设置:激发/发射波长度、物镜,分辨率,样品基质,浸/嵌入媒体等。gydF4y2Ba
2. 图characteristica:背景、信噪比、正规化、迭代次数等。gydF4y2Ba

闪电是基于反褶积方法gydF4y2Ba全新的自适应方法gydF4y2Ba在图像采集,读取本地图像属性(预处理)和提取合适的反褶积参数正则化过程。这使gydF4y2Ba全自动反褶积独立手工用户输入gydF4y2Ba(见图4)。gydF4y2Ba

1。预处理gydF4y2Ba

在预处理步骤中,本地图像属性对背景和信噪比确定体素的准确性:gydF4y2Ba

闪电的关键元素gydF4y2Ba基于应用程序的一个自适应动态过程操作动态和完全集成到系统数据流,它使用最好的过程基于本地图像属性的获取信息。为此,底层图像属性对背景和信噪比为每个体元/卷段提取如上所述,最优voxel-accurate参数设置提供了后续的反褶积在此基础上。gydF4y2Ba

测定的特定背景和信噪比信息闪电生成一个所谓的决定与n被掩盖在n维空间数据采集通道的数量(如n = 3 xyz数据堆栈,参见图5)。gydF4y2Ba

信息决定面具所引起的体素与一个关联的反褶积参数集通过一个适应系数。适应系数直接相关的正则化参数和共焦的本地图像属性数据转换为合适的反褶积参数为每个体素(参见图6)。gydF4y2Ba

整个过程生成面具的决定是基于通用的图像处理方法,因此完全量化,即没有强度或基于本地化的特点,单光子,光子计数分别发生了变化。gydF4y2Ba这个过程只从共焦提取信息数据,不做任何修改。gydF4y2Ba决定掩盖从而定义了局部图像质量特征的背景和信噪比voxel-by-voxel共焦的数据提要中的反褶积过程,即正则化和自适应方法的迭代次数。gydF4y2Ba

实际的反褶积的步骤是基于使用Richardson-Lucy算法和物理建模的点扩散函数,这是适应各自的成像方法(共焦,gydF4y2Ba发生的gydF4y2Ba多光子,等等)。底层模型适应根据出版物gydF4y2Ba(2、3、4)gydF4y2Ba徕卡系统和优化环境。结果是一个最佳的重建过程对于每个体元/卷部分,不包括不需要的信号如背景和噪声,同时保留和揭示地结构。gydF4y2Ba

反褶积的自适应性是反映在应用反褶积参数空间中提取每体素决定的面具。此外,纯反褶积过程对应于古典、传统过程如上所述。中止准则是完全自动的迭代次数和被定义为一个连续图像的比较执行的最后一个迭代步骤与前一个迭代。迭代终止当比较两个迭代的图像不再有任何差异的基本特征。gydF4y2Ba

最后一步,光子数的图像预处理(反褶积)用于规范化deconvolved形象。gydF4y2Ba这意味着获得的输出图像总是相互可比gydF4y2Ba,因为没有最大值或基于可变因素的正常化。图9显示了一个共焦平面和闪电的肾脏部分纠正:pseudocolour表示(图9中,中期)显示在蓝色光子,要么被排除在各自的体积部分(背景或噪声)或被分配去做另一个,即他们的原始位置(“光子/信号)。值红色显示“光子/信号,被分配去做原来的体积通过反褶积段。注意“光子形成一个“可见”结构在共焦数据并不是代表deconvolved形象被分配去做相邻图像平面,不显示。gydF4y2Ba

一方面,这个过程可以完全自动化处理,另一方面,一个高度精确、定量重建观察到的信号。gydF4y2Ba这使闪电从根本上有别于经典的方法gydF4y2Ba不能考虑当地在图像数据在全球范围内使用应用程序,从而错误地解决或保留信号。gydF4y2Ba

图10显示了一个典型的应用程序的数据集每像素数量非常低的光子获得44帧每秒。voxel-specific差异背景、噪声和传送信号非常小在这种情况下,这意味着地方差异的考虑对重建计划有巨大的影响力。各自的背景和信噪比的影响显然说明自适应的优点,基于地面实况反褶积或者说失败的一个基于全球反褶积方法的最佳猜测估计。gydF4y2Ba

这个例子演示了如何闪电有助于减少光的有效剂量,因此光漂白,使低光子计数数据进行分析。gydF4y2Ba

以及上述自适应反褶积,闪电一般提供进一步的策略没有使用的决定面具为基础定义反褶积参数空间。这些策略使用已知的,而是通过一个全球通用的方法有效的重建参数集,从而匹配传统反褶积过程。gydF4y2Ba

已经上面描述,生成决策面具的过程受线性信息提取是完全基于可靠的图像处理方法。过程不修改共焦数据反褶积,这意味着这一重要方面,闪电在这种背景下充分反映了可量化的框架。voxel-by-voxel提取后的图像特征和转换成相应的反褶积参数正则化参数和迭代次数而言,这些信息是送入后续反褶积的过程。gydF4y2Ba

反褶积本身是类似地传统方法(见上图),因此同样的特征为这种类型的重建quantifiability关于它的(非)线性gydF4y2Ba[5]gydF4y2Ba。无论一个adaptivity-based反褶积参数空间的使用,哪些当地不同的反褶积方法的基础上应用,不扭曲的地方,因此相对强度在重建:相关反褶积过程的宽度对应于相关的PSF的宽度,即本地不同反褶积参数在这种相关性宽度保持不变。这确保了反褶积参数的变化非常缓慢,完全避免这样的灰度的影响。gydF4y2Ba

无视排除背景和噪声干扰的闪电是必不可少的特性gydF4y2Ba

• 保护强度的总和gydF4y2Ba
• 保存的光子数量gydF4y2Ba

的预处理和post-deconvolved图像。gydF4y2Ba

为每个处理步骤对应的关键人物对强度和光子数比较之前和之后的反褶积意味着强度的总和和光子的数量完全是可以量化的。gydF4y2Ba

最后一步,光子数的图像预处理(反褶积)用于规范化deconvolved形象。gydF4y2Ba这意味着获得的输出图像总是相互可比gydF4y2Ba,因为没有最大值或基于可变因素的正常化。图9显示了一个共焦平面和闪电的肾脏部分纠正:pseudocolour表示(图9中,中期)显示在蓝色光子,要么被排除在各自的体积部分(背景或噪声)或被分配去做另一个,即他们的原始位置(“光子/信号)。值红色显示“光子/信号,被分配去做原来的体积通过反褶积段。注意“光子形成一个“可见”结构在共焦数据并不是代表deconvolved形象被分配去做相邻图像平面,不显示。gydF4y2Ba

通过使用自适应,基于地面真理的方法(决策面具),生成工件或扣除的传送信号的概率降至最低。事实上,闪电的自适应反褶积代表最好的程序而言,quantifiability相比传统方法。gydF4y2Ba

通过反褶积的过程中,光子和相关强度重新分配回到原来的状态,也可以减少反应如衍射光学图像的现象降到最低。这可以显著提高的有效分辨率的光学系统。gydF4y2Ba闪电使在横向分辨率提高到120 nm和200 nm在轴向方向gydF4y2Ba。gydF4y2Ba

的gydF4y2Ba瑞利判据gydF4y2Ba[6]gydF4y2Ba定义了衍射极限分辨率的限制系统,换句话说,当两个点的光相互区分或解决。如果两个单的光盘的衍射模式不重叠,然后他们很容易区分,“好解决”,据说满足瑞利判据(参见图11(左)。当一个艾里斑的中心直接重叠的衍射模式的第一个最低,他们可以被认为是“只是解决”,还区分为两个单独的光点(参见图11中)。如果空气的光盘比这更接近,那么他们不满足瑞利判据和“不解决”是两个不同的点的光(或标本图像中的每一个细节;参见图11,对吧)。gydF4y2Ba

图12显示了共焦的比较数据集的数据集在闪电条件下获得的。对象显示分子nanorulers (SIM卡120,Gattquant GmbH)携带两个荧光标记120海里的距离。共焦数据集显示了典型的,融合分布的衍射极限的对象,而闪电是能够解决各自的管,因此120海里的距离。Nanorulers仍表现为一个“抹”单点或不明显解决图像中不一个不洁的重建的结果。这些对象是随机旋转在试样夹,因此不能成像与检测轴垂直的显微镜。这一效应可以测量在这些边界条件。gydF4y2Ba

尽管近年来新的成像方法的出现,真正的3 d决议仍然是通过共焦激光扫描显微镜(样品形貌)作为标准。通过结合小说,极快扫描方法灵敏度高、低噪声探测器,同时多光谱数据采集,共焦激光扫描显微镜可能只增长了徕卡到了这样一种程度,前所未有的活力和光谱范围变得平易近人。然而,限制物理光学成像性质和背景噪音性干扰,有效的空间和时间分辨率,成像方法仍然是一个限制。gydF4y2Ba

通过引入gydF4y2Ba闪电gydF4y2Ba,一个全新的系统集成模块可以大大穿透这些限制在近乎实时和推动的神奇的金字塔,组成的gydF4y2Ba决议gydF4y2Ba,gydF4y2Ba灵敏度gydF4y2Ba,gydF4y2Ba速度gydF4y2Ba和gydF4y2Ba光谱gydF4y2Ba(光谱范围)。因此,一个清晰的图像底层标本的本质是通过自适应图像信息提取。gydF4y2Ba

基于地面真值的自适应反褶积的使用允许一个高度可靠的全自动提取图像信息完全独立的手动用户输入,也可由于衍射现象和检查标本的生物属性。因此,决议可以实现远低于理论衍射极限或图像信息显示,尽管时空上结构在共焦的数据,之前由于衍射和噪音是不可见的。gydF4y2Ba

闪电不仅增加了有效空间,但也有效时间分辨率使访问光谱范围扩展并行极大。使用闪电不再需要设计实验设置,这样地结构明显映射在共焦的数据。事实上,这些信息已经包含在图像数据获得较低的光子数量和最高分别扫描速度。闪电提取底层信息层完全自动导致有效的共焦扫描速度高达428帧每秒的同时使用5种颜色。这与光学的方法不是专为点扫描,从而无法获得真正的共焦的决议。gydF4y2Ba

闪电gydF4y2Ba第一步是在成像系统智能检测方法完全固定。其相应的模块将不断扩大和改进使用新颖和创新的数码技术来提取最大的信息从每个条件下每一个生物样品。gydF4y2Ba

下载gydF4y2Ba

下载白皮书PDF”gydF4y2Ba如何提取图像信息的自适应反褶积gydF4y2Ba”gydF4y2Ba

1. e·阿贝(1873),Beitrage苏珥理论des Mikroskops和der mikroskopischen Wahrnehmung,gydF4y2Ba拱门。f . mikr。阿娜特。gydF4y2Ba,8:413 - 468。gydF4y2Ba
2. n .戴伊l . Blanc-Feraud c·齐默p . Roux J.-C z锦。Olivo-Marin和j·Zerubia (2004), 3 d显微镜使用Richardson-Lucy反褶积与全变差正则化算法,gydF4y2Ba研究报告gydF4y2Ba,rr - 5272,法国71页< INRIA - 00070726 >。gydF4y2Ba
3. r . Zanella g . Zanghirati r . Cavicchioli l . Zanni p . Bocacci m .虽然和g Vicidomini(2013),对实时图像反褶积:应用共焦、显微镜,gydF4y2Ba科学报告3gydF4y2Ba文章编号:2523。gydF4y2Ba
4. 门,r . Zanella Zanghirati和l . Zanni(2015),内存有限比例梯度投影方法在显微镜实时图像反褶积,gydF4y2Ba非线性科学与数值模拟通信gydF4y2Ba问题1 - 3,体积21日,页112 - 127。gydF4y2Ba
5. P.P. Mondal和a . Diaspro(2014),荧光显微法原理,gydF4y2Ba施普林格多德雷赫特海德堡纽约伦敦gydF4y2Ba,DOI 10.1007 / 978-94-007-7545-9。gydF4y2Ba
6. m·威尔逊(2016),显微镜分辨率:概念、因素和计算,gydF4y2Ba188金宝搏的网址徕卡微系统科学实验室gydF4y2Ba,文章中,//www.zns-mineralwater.com/science-lab。gydF4y2Ba