Улучшение разрешения и снижение шума в флуоресцентной микроскопии с обеспечением достоверности

Флуоресцентная микроскопия — ключевой метод биологической визуализации, но ограничения в разрешении и уровне шума снижают чёткость изображений. Лазерное освещение также может вызывать токсичность для клеток и фотообесцвечивание, ухудшая соотношение сигнал/шум (SNR) при съёмке живых клеток.

Исследователи разработали новый метод деконволюции, который решает эти проблемы, значительно улучшая качество изображения без внесения артефактов, и открывает новые возможности для визуализации живых клеток. Результаты опубликованы в журнале eLight.

Новая технология обновляет как модель контроля шума, так и механизм расширения разрешения в методе деконволюции. Она использует математический подход — мультиразрешенческий анализ (multi-resolution analysis, MRA) — для анализа изображений флуоресцентной микроскопии с целью контроля шума.

Метод опирается на два ключевых свойства флуоресцентных изображений: резкий контраст на границах и плавную непрерывность вдоль этих границ, что обусловлено физическими свойствами возбуждённых флуорофоров. Показано, что этот подход точнее отличает полезный сигнал от шума по сравнению с ранее доминировавшими вариационными методами.

Исследователи указывают на недостатки предыдущей mainstream статистической итерации Ричардсона-Люси, которая склонна создавать артефакты вместо реальной высокочастотной информации. Они предлагают альтернативу, интегрируя новый метод контроля шума на основе границ в framework "модель-решение".

Также предложен подход ускорения, позволяющий выполнить достаточное количество итераций за короткое время вычислений. В результате MRA может улучшить SNR и разрешение флуоресцентных изображений с лучшей устойчивостью к шуму и обеспечением достоверности (fidelity). Результаты деконволюции MRA могут быть проверены с помощью физических микроскопов сверхвысокого разрешения, даже для очень сложных структур, превосходя предыдущие статистические методы деконволюции.

Для работы с сильным фоновым шумом исследователи дополнительно разработали SecMRA, включив в него механизм пороговой обработки смещения (bias thresholding) для вычислительной секционирования. Он работает лучше традиционных методов и позволяет учёным выполнять более сложные задачи визуализации при сильном фоновом шуме или низком SNR.

Этот прорыв важен для различных применений флуоресцентной микроскопии. Например, теперь можно различать детали размером до 60 нанометров с помощью структурированной подсветки (SIM), обеспечивая достоверность, — что ранее было ограничено разрешением. Кроме того, SecMRA облегчает долгосрочное наблюдение за взаимодействиями клеточных структур, давая ценную информацию о клеточных процессах.

Авторы подчёркивают важность сохранения достоверности при деконволюции. В отличие от некоторых существующих статистических методов, которые могут вносить артефакты, подход MRA гарантирует точность и надёжность улучшенных изображений. Параметры в конвейере MRA не оказывают значительного влияния на получаемую высокочастотную информацию, повышая объективность процесса деконволюции.

Авторы также предложили решение для настройки гиперпараметров в регуляризованном алгоритме деконволюции для продвижения этой технологии. Они достигли автоматического определения параметров, оценивая силу шума с использованием разреженности (sparsity) коэффициентов curvelet.

Кроме того, чтобы облегчить работу коллег, авторы открыли исходный код и исходные данные флуоресцентных изображений, а также написали интерактивное GUI-программное обеспечение для удобства пользователей и разработчиков. Авторы надеются, что MRA станет новым поколением инструментов деконволюции высокой достоверности, широко используемых биологами и микроскопистами.

Для активно развивающихся областей вычислительной микроскопии сверхвысокого разрешения, разреженной деконволюции и глубокого обучения авторы надеются, что предложенная технология станет широко используемым инструментом для проверки достоверности, а открытые наборы данных физической визуализации от низкого до высокого разрешения предоставят объективный стандарт оценки для дальнейшего улучшения производительности различных алгоритмов.