Deconvolution Toolkit Métodos de seccionamiento óptico computacional en ciencias de la vida
Incluso los sistemas de captura de imágenes más avanzados se ven afectados por el inevitable desenfoque de las imágenes por componentes de los microscopios ópticos y electrónicos. Afortunadamente, esto puede corregirse con métodos computacionales de deconvolución. Deconvolution Toolkit ofrece una colección de estos algoritmos destinados a aplicaciones para ciencias de la vida.
Mejore la calidad de sus imágenes eliminando el desenfoque
Resuelva el problema desde la raíz
El desenfoque de las imágenes se produce inevitablemente por las leyes de la física óptica y el uso de componentes electrónicos en los sistemas de captura de imágenes. Esto reduce las métricas de la calidad de imagen, como la relación señal-ruido, el contraste de la imagen, la resolución axial y la resolución lateral. Aplicar la deconvolución a sus imágenes le permite optimizar cada una de estas métricas de calidad de imagen o, en el mejor de los casos, todas ellas a la vez.
Imagen: cultivo primario cortical de rata; proyección (profundidad de foco extendida) de una pila Z con 4 canales; deconvolución basada en GPU. Muestra cortesía de H. Braun, LSM Bioanalytik GmbH, Magdeburgo, Alemania
Una gama de algoritmos diseñados para adaptarse a sus necesidades
Seleccione en función de sus prioridades, desde la velocidad de procesamiento hasta la calidad de la captura de imágenes sin concesiones
Se han desarrollado varios algoritmos de deconvolución diferentes. Algunos métodos son rápidos y suficientes para sistemas con bajos niveles de desenfoque. Cuando los sistemas presentan niveles de desenfoque más complicados, se requieren algoritmos más sofisticados que emplean una cantidad mucho mayor de recursos informáticos y de tiempo. Si bien pueden resolver problemas más difíciles y arrojan resultados de imagen superiores, el tiempo de procesamiento a veces se convierte en un obstáculo demasiado grande. ZEN Deconvolution Toolkit ofrece una serie de algoritmos que le permitirán elegir el que mejor se adapte a sus necesidades experimentales y de posprocesamiento.
Mejore las imágenes generadas con varios sistemas de captura de imágenes
La deconvolución es más que una herramienta para la microscopía widefield
Si bien tradicionalmente se considera que la deconvolución es una herramienta para la microscopía de fluorescencia widefield, todos los sistemas de captura de imágenes presentan desenfoques derivados de los equipos ópticos y los componentes electrónicos. Independientemente de que trabaje con widefield convencional, Apotome, un sistema LSM o Lattice Lightsheet 7, todos estos sistemas de captura de imágenes pueden beneficiarse de incluir la deconvolución en sus flujos de trabajo de procesamiento de imágenes. Para cada sistema de captura de imágenes, existen determinados algoritmos recomendados que resultan ser más adecuados y permiten obtener resultados óptimos.
Fácil de usar y optimizado para capacidades de alto rendimiento
Las mejoras en las prestaciones automatizan su flujo de trabajo
Los algoritmos de Deconvolution Toolkit se han optimizado para que sean extremadamente fáciles de usar y de alto rendimiento. ZEN lee los metadatos de la imagen y determina automáticamente la función de dispersión de punto (PSF) del sistema óptico con el fin de ajustar la configuración óptima para la deconvolución. Los algoritmos se aceleran más de 10 veces mediante el procesamiento de GPU o incluso mGPU. Para agilizar la obtención de resultados, todos los algoritmos de deconvolución se ejecutan con ZEN Direct Processing durante la adquisición de imágenes. Asimismo, el algoritmo de compresión de datos sin pérdidas Zstandard (zstd) acelera aún más el procesamiento intensivo de recursos.
Imagen: células U2OS marcadas para detectar estructuras de mitocondrias (TOM20‑mCherry) y microtúbulos (tubulina‑GFP) antes y después de una deconvolución con iteración limitada.
ZEN Deconvolution Toolkit: aspectos básicos y aplicación
¿Cómo separar el contenido de la imagen y el desenfoque de la imagen?
La función de dispersión de punto (PSF): por qué las imágenes sin ruido son físicamente imposibles
La función de dispersión de punto (PSF)
¿Por qué las imágenes sin ruido son físicamente imposibles?
Al observar cualquier objeto a la escala de una sola longitud de onda, es inevitable que la imagen resultante esté desenfocada. Afortunadamente, el patrón de desenfoque resultante, la función de dispersión de punto, es similar para todos los objetos. Puede observarse directamente al capturar imágenes de una fuente puntual fluorescente.
Principio de deconvolución: aplicación de la PSF a imágenes digitales
¿Qué es la deconvolución?
Aplicación de la PSF a imágenes digitales
La convolución es una operación matemática donde una sola función es modulada por otra. El desenfoque de las imágenes puede entenderse como la convolución de los objetos del mundo real con la PSF. Por suerte, este proceso matemático puede invertirse, y esto es lo que sucede durante la deconvolución. Al convolucionar la imagen desenfocada con la PSF inversa, generamos una imagen con eliminación del ruido.
Ajuste fino de la deconvolución: para usuarios avanzados
Ajuste fino de la deconvolución
Para usuarios avanzados
La deconvolución de máxima calidad requiere más información sobre la PSF exacta de su sistema, incluida la preparación de la muestra. ZEN le permite introducir su propia PSF experimental, ajustar parámetros ópticos y PSF proporcionando información sobre el medio de incrustación de la muestra, el grosor del cubreobjetos, la desviación de la profundidad de la PSF y muchos más parámetros.
¿En qué se diferencian los métodos de deconvolución?
Los procesos básicos de convolución y deconvolución en el contexto del desenfoque de las imágenes y la PSF son la clave para entender los algoritmos de deconvolución. Cada algoritmo de deconvolución en ZEN utiliza alguna variación de estos.
Mediante algoritmos sencillos, como la estabilización del desenfoque o el elemento circundante más próximo, se substrae el desenfoque de una imagen generada por PSF desde la imagen bruta.
El método de filtro inverso se aplica directamente a la PSF inversa. Los métodos iterativos se aplican a la PSF directa para aproximarse a la imagen bruta.
|
|
|
|
|
---|---|---|---|---|
Método de deconvolución |
Proceso algorítmico |
Aplicación |
Velocidad |
Calidad de los resultados |
Estabilización del desenfoque |
Substrae el desenfoque desde el mismo plano de la imagen |
Conjuntos de datos 2D |
Muy rápida |
Media (2D) |
Elemento circundante más próximo |
Substrae el desenfoque desde los planos circundantes |
3D con pila limitada |
Muy rápida |
Baja |
Filtro inverso |
Aplica la función PSF inversa |
Pila 3D completa |
Rápida |
Media |
Con iteración rápida (Meinel) |
Con iteración; PSF directa sobre la imagen prevista; función de error |
PSF perfectamente simétricas |
Media |
Buena |
Con iteración rápida (Richardson-Lucy) |
Con iteración; PSF directa; probabilidad máxima |
PSF asimétricas |
Media |
Buena |
Con iteración limitada |
Con iteración; PSF directa; probabilidad máxima optimizada |
Estándar de oro |
Lenta |
Muy buena |
Configuración predeterminada y opciones para la deconvolución
Para los sistemas de captura de imágenes más relevantes
|
|
|
|
|
---|---|---|---|---|
Modalidad de captura de imágenes |
Widefield |
Apotome |
Confocal |
Lightsheet |
Normalización |
Automático |
Automático |
Automático |
Automático |
Corrección del fondo |
Desactivado |
Desactivado |
Desactivado |
Desactivado |
Corrección del parpadeo |
Desactivado |
Desactivado |
Desactivado |
Desactivado |
Corrección del deterioro |
Desactivado |
Desactivado |
Desactivado |
Desactivado |
Corrección de píxeles calientes |
Desactivado |
Desactivado |
Desactivado |
Desactivado |
Configuración predeterminada específica para la iteración limitada |
||||
Fuerza |
Automático |
NA |
Automático |
Manual=5 |
Probabilidad |
Poisson |
NA |
Poisson |
Poisson |
Regularización |
Orden cero |
NA |
Primer orden |
Orden cero |
Optimización |
Analítico |
NA |
Búsqueda de línea |
Analítico |
Primera estimación |
Entrada |
NA |
Media |
Entrada |
Interacciones máx. |
40 |
NA |
7 |
40 |
Porcentaje de parada automática |
0,1 |
NA |
0,1 |
0,1 |
Configuración predeterminada específica para la iteración rápida |
||||
Método |
Meinel |
NA |
Richardson Lucy |
Meinel |
Regularización |
Ninguna |
NA |
Ninguna |
Ninguna |
Optimización |
Ninguna |
NA |
Ninguna |
Ninguna |
Interacciones máx. |
15 |
NA |
50 |
15 |
Porcentaje de parada automática |
0,1 |
NA |
0,1 |
0,1 |
Configuración predeterminada específica para el filtro inverso regularizado |
||||
Regularización |
Orden cero |
Orden cero |
Orden cero |
Orden cero |