通过精确的噪声建模,在结构化照明显微镜中接近最大分辨率

科学领域:

• 显微镜和成像技术
• 生物物理学的生物物理.
• 计算生物学 计算生物学

背景情况:

• 来自显微镜的生物图像通常具有可变的信号噪声比 (SNR) 由于光子发射和摄像头噪声.
• 目前的无监督结构化照明显微镜 (SIM) 重建方法与噪声建模作斗争,导致文物和不准确的结果.
• 监督方法需要广泛的培训数据和对新样本类型的再培训,这限制了它们的广泛适用性.

研究的目的:

• 为量化SIM重建开发一个以物理原理为基础的,不受监督的框架.
• 解决现有方法的局限性,包括噪音不准确性,工件和依赖培训数据.
• 提高SIM成像中的对比度和分辨率,特别是在低SNR条件下.

主要方法:

• 介绍了贝叶斯式SIM (B-SIM),这是一个无监督的贝叶斯式SIM数据重建框架.
• 在空间领域准确地纳入已知的噪声源,以改进物理建模.
• 采用并行的蒙特卡洛策略,使用点传播函数属性来加速重建.

主要成果:

• 与最先进的方法相比,B-SIM显示了更好的对比度,使得特征恢复在25%更短的长度尺度上成为可能.
• 该框架在高和低SNR条件下对模拟和实验图像进行了有效的运行.
• 在不需要标记训练数据的情况下,实现了定量和物理准确的重建.

结论:

• B-SIM提供了一个无监督,定量和物理准确的SIM重建方法.
• 该方法通过消除对训练数据集的需求,使高质量的SIM成像变得民主化.
• 扩展了活细胞SIM的功能,使以前无法访问的低SNR模式中的生物发现成为可能.