Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (01.2023) : Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising

Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising

DOI: 10.17586/1023-5086-2023-90-01-49-59

UDC 535.4

Tao Cheng*  

School of Mechanical and Automotive Engineering, Guangxi University of Science and Technology, Liuzhou, China

ctnp@163.com  https://orcid.org/0000-0002-9171-9736

Abstract

Subject of study is a scheme of screening better super-resolution reconstruction based on denoising the conventional raw image with wide spectrum denoising. Purpose of the work. Improving the reconstruction effect of ultra-high-resolution images, for this, reconstruction with noise reduction and compression of ordinary raw images and high-resolution images has been investigated. Method. The binned high resolution raw image is the conventional raw image. Conventional raw images and high resolution raw images were denoised with wide spectrum denoising respectively. The conventional raw images and high resolution raw images before and after denoising are reconstructed by compressed sensing. Main Results. The denoising ability of wide spectrum denoising based on high-resolution raw images is very stable and does not change with molecular density. The signal to noise ratios improves by approximately 8 dB. The denoising ability of wide spectrum denoising based on conventional raw images is not good. The signal to noise ratios of conventional raw images is 6 dB higher than that of high resolution raw images. The signal to noise ratios of denoised high resolution and conventional raw images are almost the same. Compressed sensing reconstruction of the denoised conventional raw images is inferior to that of denoised high-resolution raw images, however, is better than that of high-resolution and conventional raw images. Practical significance. In the conventional single-molecule localizations and super-resolution microscopy, the pixel size of a raw image is about equal to the standard deviation of the point spread function. Wide spectrum denoising can improve the conventional raw image denoising and reconstruction. However, better super-resolution microscopy can be achieved based on wide spectrum denoising and high-resolution raw images. Super-resolution microscopy of high-resolution raw images will become a new research point.

Keywords: super-resolution microscopy, pixel size, standard deviation, point spread function, compressed sensing

Acknowledgment: the study was funded by the Natural Science Foundation of Guangxi Province (2022GXNSFAA035593) and National Natural Science Foundation of China (81660296, 41461082).

For citation: Cheng T. Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising (Микроскопия высокого разрешения на основе необработанных изображений с шумоподавлением в широкой полосе частот) [in English] // Opticheskii Zhurnal. 2023. V. 90. № 1. P. 49–59. http://doi.org/10.17586/1023-5086-2023-90-01-49-59

OCIS codes: 170.2520, 100.6640, 050.1960 

Микроскопия высокого разрешения на основе необработанных изображений с шумоподавлением в широкой полосе частот

Tao Cheng*  

School of Mechanical and Automotive Engineering, Guangxi University of Science and Technology, Liuzhou, China

ctnp@163.com  https://orcid.org/0000-0002-9171-9736

Аннотация

Предмет исследования. Алгоритм улучшенной реконструкции изображения со сверхразрешением, основанный на широкополосном подавлении шумов в исходном необработанном изображении. Цель работы. Повышение эффективности процесса реконструкции изображений со сверхразрешением, получаемых из исходных необработанных изображений обычного и высокого разрешения. Метод. Необработанные изображения реконструируются на основе  информации о разреженном или сжатом массиве значений их пикселов при наличии предварительного биннирования. При этом шумы  в необработанных изображениях обычного и высокого разрешения предварительно уменьшаются широкополосным шумоподавлением. Основные результаты. Установлена инвариантность эффективности широкополосного шумоподавления при обработке исходного изображения высокого разрешения по отношению к концентрации молекул наблюдаемого объекта.  При этом отношение сигнал/шум повышается приблизительно на 8 дБ. Вместе с тем при обработке необработанных изображений стандартного разрешения использование метода широкополосного шумоподавления для уменьшения уровня шума неэффективно. Однако, поскольку исходное отношение сигнал/шум в необработанных изображениях стандартного разрешения на 6 дБ больше, чем в необработанных изображениях высокого разрешения, итоговое отношение сигнал/шум после процедуры шумоподавления в исходных изображениях высокого и стандартного разрешения практически одинаково. Результат реконструкции на основе информации о разреженном или сжатом массиве значений пикселов необработанных изображений стандартного разрешения после процедуры шумоподавления качественно уступает результату реконструкции необработанных изображений высокого разрешения с подавленным шумом, но превосходит результат реконструкции необработанных стандартных изображений без шумоподавления. Практическая значимость. Использование в микроскопии  реконструкции изображений на основе обработки разреженного массива значений пикселов исходного необработанного изображения высокого разрешения с использованием процедуры широкополосного шумоподавления позволит получить итоговое  изображение  со сверхразрешением в условиях практического равенства размера пиксела исходного изображения стандартному отклонению функции рассеяния точки оптической системы микроскопа.

Ключевые слова: микроскопия сверхвысокого разрешения, размер пиксела, стандартное отклонение, функция рассеяния точки, сжатая выборка

Благодарность: исследование финансировалось Фондом естественных наук провинции Гуанси (2022GXNSFAA035593) и Национальным фондом естественных наук Китая (81660296, 41461082).

Ссылка для цитирования: Cheng T. Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising (Микроскопия высокого разрешения на основе необработанных изображений с шумоподавлением в широкой полосе частот) [на англ. яз.] // Оптический журнал. 2023. Т. 90. № 1. С. 49–59. http://doi.org/10.17586/1023-5086-2023-90-01-49-59

Коды OCIS: 170.2520, 100.6640, 050.1960

 

REFERENCES

1.    Khater M., Nabi L.R., Hamarneh G. A review of super-resolution single-molecule localization microscopy cluster analysis and quantification methods // Patterns. 2020. V. 1. № 3. P. 1–23. https://doi.org/10.1016/j.patter.2020.100038

2.   Lelek M., Gyparaki M.T., Beliu G., Schueder F., Griffié J., Manley S., Jungmann R., Sauer M., Lakadamyali M., Zimmer C. Single-molecule localization microscopy // Nat. Rev. Methods Primers. 2012. V. 1. № 39. P. 1–27. https://doi.org/10.1038/s43586-021-00038- x

3.   Zhu L., Zhang W., Elnatan D., Huang B. Faster STORM using compressed sensing // Nat. Methods. 2012. V. 9. № 7. P. 721–723. https://doi.org/10.1038/nmeth.1978

4.   Cheng T., Chen D.N., Yu B., Niu H.B. Reconstruction of super-resolution STORM images using compressed sensing based on low-resolution raw images and interpolation // Biomed. Opt. Exp. 2017. V. 8. № 5. P. 2445–2457. https://doi.org/10.1364/BOE.8.002445

5.   Valli J., Garcia-Burgos A., Rooney L.M., de Melo e Oliveira B.V., Duncan R.R., Rickman C. Seeing beyond the limit: A guide to choosing the right super-resolution microscopy technique // J. Biol. Chem. 2021. V. 297. № 1. P. 1–13. https://doi.org/10.1016/j.jbc.2021.100791

6.   Nizamudeena Z., Markusb R., Lodgec R., Parmenterd C., Platte M., Chakrabartif L., Sottilea V. Rapid and accurate analysis of stem cell-derived extracellular vesicles with super resolution microscopy and live imaging // BBA – Mol. Cell. Res. 2018. V. 1865. № 12. P. 1891–1900. https://doi.org/10.1016/j.bbamcr.2018.09.008

7.    Achimovich A.M., Ai H., Gahlmann A. Enabling technologies in super-resolution fluorescence microscopy: reporters, labeling, and methods of measurement // Curr. Opin. Struct. Biol. 2019. V. 58. № 10. P. 224–232. https://doi.org/10.1016/j.sbi.2019.05.001

8.   Thompson R.E., Larson D.R., Webb W.W. Precise nanometer localization analysis for individual fluorescent probes // Biophys. J. 2002. V. 82. № 5. P. 2775–2783. https://doi.org/10.1016/S0006-3495(02)75618-X

9.   Cheezum M.K., Walker W.F., Guilford W.H. Quantitative comparison of algorithms for tracking single fluorescent particles // Biophys. J. 2001. V. 81. № 5. P. 2378–2388. https://doi.org/10.1016/S0006-3495(01)75884-5

10. Henriques R., Lelek M., Fornasiero E.F., Valtorta F., Zimmer C., Mhlanga M.M. QuickPALM: 3D real-time photoactivation nanoscopy image processing in ImageJ // Nat. Methods. 2010. V. 7. № 5. P. 339–340. https://doi.org/10.1038/nmeth0510-339

11.  Cox S., Rosten E., Monypenny J., Jovanovic-Talisman T., Burnette D.T., Lippincott-Schwartz J., Jones G.E., Heintzmann R. Bayesian localization microscopy reveals nanoscal`e podosome dynamics // Nat. Methods. 2011. V. 9. № 2. P. 195–200. https://doi.org/10.1038/NMETH.1812

12.  Burnettea D.T., Senguptaa P., Daib Y., Lippincott-Schwartza J., Kacharb B. Bleaching/blinking assisted localization microscopy for superresolution imaging using standard fluorescent molecules // PNAS. 2011. V. 108. № 52. P. 21081–21086. https://doi.org/10.1073/pnas.1117430109

13.  Calisesi G., Ghezzi A., Ancora D., D'Andrea C., Valentini G., Farina A., Bassi A. Compressed sensing in fluorescence microscopy // Prog. Biophys. Mol. Bio. 2021. V. 168. № 1. P. 66–80. https://doi.org/10.1016/j.pbiomolbio.2021.06.004

14.  Arjoune Y., Kaabouch N., Ghazi H.E., Tamtaoui A. A performance comparison of measurement matrices in compressive sensing // Int. J. Commun. Syst. 2018. V. 31. № 10. P. 1–18. https://doi.org/10.1002/dac.3576

15.  Holden S.J., Uphoff S., Kapanidis A.N. DAOSTORM: An algorithm for high-density super-resolution microscopy // Nat. Methods. 2011. V. 8. № 4. P. 279–280. https://doi.org/10.1038/nmeth0411-279

16.  Min J., Vonesch C.,  Carlini L., KirshnerH., et al.  FALCON: Fast and unbiased reconstruction of high-density super-resolution microscopy data // Sci. Reports. 2014. V. 4. № 4. P. 1–9. https://doi.org/10.1038/srep04577

17.  Li Y., Mund M., Hoess P., Deschamps J., et al. Real-time 3D single-molecule localization using experimental point spread functions // Nat. Methods. 2018. V. 15. № 4. P. 367–369. https://doi.org/10.1038/nmeth.4661

18. Cheng T., Chen D.N., and Li H. Wide spectrum denoising (WSD) for superresolution microscopy imaging using compressed sensing and a high-resolution camera // J. Phys.: Conf. Ser. (2020 Internat. Conf. Computer Vision and Data Mining) 2020. V. 1651. № 1. P. 1–13. https://doi.org/10.1088/1742-6596/1651/1/012177

19.  Cheng T. Wide spectrum denoising method for microscopic images // US Patent 16845110. July 30, 2020.

20. Beier H.T., Ibey B.L. Experimental comparison of the high-speed imaging performance of an EM-CCD and sCMOS camera in a dynamic live-cell imaging test case // PLOS ONE. 2014. V. 9. № 1. P. 1–6. https://doi.org/10.1371/journal.pone.0084614

21.  Sage D., Kirshner Н., Pengo Т., Stuurman N.,et al. Quantitative evaluation of software packages for single-molecule localization microscopy // Nat. Methods. 2014. V. 12. № 8. P. 717–724. https://doi.org/10.1038/nmeth.3442

22.      Roa C., Le V.N.D., Mahendroo M., Saytashev I., Ramella-Roman J.C. Auto-detection of cervical collagen and elastin in Mueller matrix polarimetry microscopic images using K-NN and semantic segmentation classification // Biomed. Opt. Exp. 2021. V. 12. № 4. P. 2236–2249. https://doi.org/10.1364/BOE.420079