Illustration du pack Deconvolution Toolkit
BOÎTES À OUTILS DU LOGICIEL ZEN

Deconvolution Toolkit Méthodes de calcul du sectionnement optique en sciences de la vie

Même les systèmes d'imagerie les plus avancés souffrent d'un flou inévitable dû aux composants optiques et électroniques du microscope. Heureusement, ce problème peut être corrigé grâce à des méthodes informatiques de déconvolution. La boîte à outils Deconvolution Toolkit fournit tout un ensemble d'algorithmes de ce type pour les applications en sciences de la vie.

  • Réduisez les zones floues, améliorez le contraste et la résolution.
  • Choisissez parmi une série d'algorithmes en fonction de vos priorités.
  • Accélérez vos flux de tâches grâce à la prise en charge multi-GPU.
Améliorez la qualité de vos images en supprimant les zones floues.
Améliorez la qualité de vos images en supprimant les zones floues.

Améliorez la qualité de vos images en supprimant les zones floues.

Résolvez le problème à la racine.

Les lois de la physique optique et l'utilisation de composants électroniques dans les systèmes d'imagerie floutent inévitablement les images. Le flou diminue la qualité de l'image au niveau de paramètres tels que le rapport signal sur bruit, le contraste de l'image, la résolution axiale et la résolution latérale. Appliquer la déconvolution à vos images optimise chacun de ces paramètres de qualité voire, dans le meilleur des cas, tous les paramètres à la fois.

Image : culture primaire de cortex de rat ; projection (profondeur de champ étendue) d'une pile Z à 4 canaux ; déconvolution basée sur le processeur graphique. Échantillon reproduit avec l'aimable autorisation de H. Braun, LSM Bioanalytik GmbH, Magdebourg, Allemagne

Une gamme d'algorithmes adaptés à vos besoins

Une gamme d'algorithmes adaptés à vos besoins

De la vitesse de traitement à une qualité d'image sans compromis, choisissez en fonction de vos priorités.

Plusieurs algorithmes de déconvolution ont été développés. Certaines méthodes sont rapides et suffisantes pour les systèmes à faible niveau de flou. Pour des niveaux de flou plus complexes, des algorithmes plus sophistiqués sont nécessaires. Ces derniers demandent des ressources informatiques beaucoup plus importantes et considérablement plus de temps. Si ces algorithmes permettent certes de résoudre des problèmes plus difficiles et d'obtenir des résultats d'image supérieurs, le temps de traitement peut parfois représenter un obstacle trop important. En vous offrant une gamme d'algorithmes, ZEN Deconvolution Toolkit vous permet de choisir celui qui convient le mieux à vos besoins expérimentaux et de post-traitement.

Améliorez les images provenant de divers systèmes d'imagerie.
Améliorez les images provenant de divers systèmes d'imagerie.

Améliorez les images provenant de divers systèmes d'imagerie.

La déconvolution est plus qu'un outil pour la microscopie à champ large.

Bien que la déconvolution soit traditionnellement considérée comme un outil pour la microscopie en fluorescence à champ large, tous les systèmes d'imagerie présentent un flou dû à l'équipement optique et aux composants électroniques. Que vous travailliez avec un microscope champ large conventionnel, un Apotome, un système LSM ou un Lattice Lightsheet 7, tous peuvent bénéficier de l'intégration de la déconvolution dans vos flux de tâches de traitement d'images. En fonction du système d'imagerie, certains algorithmes recommandés sont plus adaptés et plus faciles à utiliser pour obtenir des résultats optimaux.

Facile à utiliser et optimisé pour des capacités de haute performance
Facile à utiliser et optimisé pour des capacités de haute performance

Facile à utiliser et optimisé pour des capacités de haute performance

Des fonctions améliorées pour automatiser votre flux de tâches

Les algorithmes de la boîte à outils Deconvolution Toolkit ont été optimisés pour être extraordinairement faciles à utiliser et performants. ZEN lit les métadonnées de l'image et détermine automatiquement la fonction d'étalement du point (PSF) du système optique afin d'ajuster les paramètres optimaux pour la déconvolution. Les algorithmes sont au moins 10 fois plus rapides grâce au traitement par GPU ou même mGPU. Pour optimiser le temps d'obtention des résultats, tous les algorithmes de déconvolution sont exécutés avec ZEN Direct Processing pendant l'acquisition de l'image. L'algorithme de compression de données sans perte Zstandard (zstd) accélère encore le traitement à forte intensité de ressources.

Image : Cellules U2OS marquées pour les structures des mitochondries (TOM20-mCherry) et des microtubules (Tubulin-GFP) avant et après la déconvolution itérative contrainte.

ZEN Deconvolution Toolkit – Principes et application

Comment séparer le contenu de l'image du flou de l'image ?

La fonction d'étalement du point (PSF)

La fonction d'étalement du point (PSF) – Pourquoi les images dépourvues de bruit sont physiquement impossibles

Lorsqu'on observe un objet à l'échelle d'une seule longueur d'onde, l'image obtenue est inévitablement floue. Heureusement, le modèle de flou qui en résulte, la fonction d'étalement des points, est similaire pour tous les objets. Elle peut être observée directement lors de l'imagerie d'une source ponctuelle fluorescente. 


 

La fonction d'étalement du point (PSF)

Pourquoi les images dépourvues de bruit sont physiquement impossibles

Lorsqu'on observe un objet à l'échelle d'une seule longueur d'onde, l'image obtenue est inévitablement floue. Heureusement, le modèle de flou qui en résulte, la fonction d'étalement des points, est similaire pour chaque objet. Elle peut être observée directement lors de l'imagerie d'une source ponctuelle fluorescente.

Principe de déconvolution

Principe de déconvolution – Application de la PSF aux images numériques

La convolution est une opération mathématique qui consiste à moduler une fonction par une autre. Le flou de l'image peut être considéré comme la convolution des objets du monde réel avec la PSF. Heureusement, ce processus mathématique peut être inversé, et c'est ce qui se produit lors de la déconvolution. En convoluant l'image floue avec l'inverse de la PSF, on génère une image débruitée.

Qu'est-ce que la déconvolution ?

Application de la PSF aux images numériques

La convolution est une opération mathématique qui consiste à moduler une fonction par une autre. Le flou de l'image peut être considéré comme la convolution des objets du monde réel avec la PSF. Heureusement, ce processus mathématique peut être inversé, et c'est ce qui se produit lors de la déconvolution. En convoluant l'image floue avec l'inverse de la PSF, on génère une image débruitée.

Principe de déconvolution

Réglage fin de la déconvolution – Pour les utilisateurs avancés

La déconvolution de la plus haute qualité nécessite plus d'informations sur la PSF exacte de votre système, y compris la préparation de l'échantillon. ZEN vous permet de saisir votre propre PSF expérimentale, d'affiner les paramètres optiques et la PSF en fournissant des informations sur le milieu d'enrobage de l'échantillon, l'épaisseur du verre de couverture, la variance de la profondeur de la PSF et bien d'autres paramètres.

Réglage fin de la déconvolution

Pour les utilisateurs expérimentés

La déconvolution de la plus haute qualité nécessite plus d'informations sur la PSF exacte de votre système, y compris la préparation de l'échantillon. ZEN vous permet de saisir votre propre PSF expérimentale, d'affiner les paramètres optiques et la PSF en fournissant des informations sur le milieu d'enrobage de l'échantillon, l'épaisseur du verre de couverture, la variance de la profondeur de la PSF et bien d'autres paramètres.
 

En quoi les méthodes de déconvolution diffèrent-elles ?

Les processus de base de la convolution et déconvolution dans le contexte du flou de l'image et de la PSF sont la clé pour comprendre les algorithmes de déconvolution. Tous les algorithmes de déconvolution ZEN utilisent une variante de ceux-ci.
Des algorithmes simples tels que la suppression du flou ou le plus proche voisin soustraient de l'image brute un flou généré par la PSF.
La méthode du filtre inverse applique directement la PSF inverse. Les méthodes itératives appliquent la PSF avant pour obtenir une approximation de l'image brute.

Méthode de déconvolution

Processus algorithmique

Application

Rapidité

Qualité des résultats

Suppression du flou

Soustraire le flou d'un même plan d'image

Ensembles de données 2D

très rapide

moyenne (2D)

Voisin le plus proche

Soustraire le flou des plans voisins

3D avec pile limitée

très rapide

faible

Filtre inverse

Appliquer la fonction PSF inverse

Pile 3D complète

rapide

moyenne

Itératif rapide (Meinel)

Itératif ; PSF en avant sur l'image prédite ; fonction d'erreur

PSF parfaitement symétriques

moyenne

bonne

Itératif rapide (Richardson-Lucy)

Itératif ; PSF avant ; probabilité maximale

PSF asymétriques

moyenne

bonne

Itératif contraint

Itératif ; PSF avant ; probabilité maximale optimisée

Norme de référence

lente

très bonne

Paramètres et options par défaut de la déconvolution

Pour la plupart des systèmes d'imagerie pertinents

Modalité d'imagerie

Champ large 

Apotome

Confocal

Lightsheet

Normalisation

Auto

Auto

Auto

Auto

Correction de l'arrière-plan

désactivé

désactivé

désactivé

désactivé

Correction du scintillement

désactivé

désactivé

désactivé

désactivé

Correction de la décroissance

désactivé

désactivé

désactivé

désactivé

Correction des pixels chauds

désactivé

désactivé

désactivé

désactivé

Défauts spécifiques à l'itératif contraint

Intensité

Auto

NA

Auto

Manuel=5

Probabilité

Poisson

NA

Poisson

Poisson

Régularisation

Commande zéro

NA

Première commande

Commande zéro

Optimisation

Analytique

NA

Recherche de ligne

Analytique

Première estimation

Entrée

NA

Moyenne

Entrée

Interactions max

40

NA

7

40

Pourcentage d'arrêt automatique

0,1

NA

0,1

0,1

Défauts spécifiques à l'itératif rapide

Méthode

Meinel

NA

Richardson Lucy

Meinel

Régularisation

Aucune

NA

Aucune

Aucune

Optimisation

Aucune

NA

Aucune

Aucune

Interactions max

15

NA

50

15

Pourcentage d'arrêt automatique

0,1

NA

0,1

0,1

Défauts spécifiques au filtre inverse régularisé

Régularisation

Commande zéro

Commande zéro

Commande zéro

Commande zéro

Téléchargements

  • ZEN Deconvolution & Direct Processing for Life Science Application

    Taille du fichier: 917 KB
  • A Practical Guide of Deconvolution

    Taille du fichier: 2 MB

Visitez le ZEISS Download Center et découvrez les traductions disponibles et les autres manuels.

Contact ZEISS Microscopy

Contact

Chargement du formulaire en cours...

/ 4
Étape suivante :
  • Étape 1
  • Étape 2
  • Étape 3
Contactez-nous
Informations requises
Informations facultatives

Si vous souhaitez avoir plus d'informations concernant le traitement de vos données par ZEISS, veuillez consulter la politique de confidentialité.