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.
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
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.
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
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) – Pourquoi les images dépourvues de bruit sont physiquement impossibles
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 – Application de la PSF aux images numériques
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.
Réglage fin de la déconvolution – Pour les utilisateurs avancés
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 |