ITMO
en/ en

ISSN: 1023-5086

en/

ISSN: 1023-5086

Научно-технический

Оптический журнал

Полнотекстовый перевод журнала на английский язык издаётся Optica Publishing Group под названием “Journal of Optical Technology“

Подача статьи Подать статью
Больше информации Назад

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

УДК: 535.4

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

Cheng T.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

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

 

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

Ссылка на англоязычную версию:

Tao Cheng, "Super-resolution microscopy based on denoised conventional raw images with wide spectrum denoising," Journal of Optical Technology. 90(1), 26-32 (2023). https://doi.org/10.1364/JOT.90.000026

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.

 

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

Ключевые слова:

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

Коды OCIS: 170.2520, 100.6640, 050.1960

Список источников:
  1. Khater M., Nabi L.R., Hamarneh G. A review of super­resolution single­molecule 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. Single­molecule localization microscopy // Nat. Rev. Methods Primers. 2012. V. 1. № 39. P. 1–27. https://doi.org/10.1038/s43586­021­00038­ 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 super­resolution STORM images using compressed sensing based on low­resolution 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., Garcia­Burgos 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 super­resolution 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 cell­derived 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 super­resolution 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/S0006­3495(02)75618­X
  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/S0006­3495(01)75884­5
  10. Henriques R., Lelek M., Fornasiero E.F., Valtorta F., Zimmer C., Mhlanga M.M. QuickPALM: 3D real­time photoactivation nanoscopy image processing in ImageJ // Nat. Methods. 2010. V. 7. № 5. P. 339–340. https://doi.org/10.1038/nmeth0510­339
  11. Cox S., Rosten E., Monypenny J., Jovanovic­Talisman T., Burnette D.T., Lippincott­Schwartz 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., Lippincott­Schwartza 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 high­density super­resolution microscopy // Nat. Methods. 2011. V. 8. № 4. P. 279–280. https://doi.org/10.1038/nmeth0411­279
  16. Min J., Vonesch C.,  Carlini L., KirshnerH., et al.  FALCON: Fast and unbiased reconstruction of high­density super­resolution 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. Real­time 3D single­molecule 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 high­resolution camera // J. Phys.: Conf. Ser. (2020 Internat. Conf. Computer Vision and Data Mining) 2020. V. 1651. № 1. P. 1–13. https://doi.org/10.1088/1742­6596/1651/1/012177
  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 high­speed imaging performance of an EM­CCD and sCMOS camera in a dynamic live­cell 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 single­molecule 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., Ramella­Roman J.C. Auto­detection of cervical collagen and elastin in Mueller matrix polarimetry microscopic images using K­NN and semantic segmentation classification // Biomed. Opt. Exp. 2021. V. 12. № 4. P. 2236–2249. https://doi.org/10.1364/BOE.420079