搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于累积量标准差的超分辨光学涨落成像解卷积优化

王雪花 陈丹妮 于斌 牛憨笨

基于累积量标准差的超分辨光学涨落成像解卷积优化

王雪花, 陈丹妮, 于斌, 牛憨笨
PDF
导出引用
  • 超分辨光学涨落成像方法通过计算一组随机闪烁图像序列的累积量来提高空间分辨率.在实际实验中,由于计算的图像序列帧数有限,每个像素上累积量估计的误差将显著影响重构图像的均匀性和连续性.传统超分辨光学涨落成像技术由于缺乏对累积量估计的误差分析,在其后续的Lucy-Richardson解卷积算法中,没有对累积量重构图像的噪声添加约束条件.本文利用基于单组有限长数据的累积量标准差公式,计算了超分辨光学涨落显微图像每个像素上的累积量标准差,并将结果引入Lucy-Richardson解卷积算法中作为迭代优化的偏差阈值.模拟和实验结果表明,在相同图像序列长度下,该优化方法显著提高了超分辨重构图像的均匀性和连续性;在同等图像质量下,该方法可缩短图像序列帧数至原来的一半以下,有望用于活细胞动态超分辨成像.
      通信作者: 陈丹妮, danny@szu.edu.cn;hbniu@szu.edu.cn ; 牛憨笨, danny@szu.edu.cn;hbniu@szu.edu.cn
    • 基金项目: 国家重点基础研究发展计划(批准号:2012CB825802)、国家自然科学基金(批准号:61335001,61178080,61235012,11004136)、国家重大科学仪器设备开发专项(批准号:2012YQ15009203)和深圳市科技计划项目(批准号:JCYJ20120613173049560,GJHS20120621155433884)资助的课题.
    [1]

    Dertinger T, Colyer R, Iyer G, Weiss S, Enderlein J 2009 Proc. Nat. Acad. Sci. 106 22287

    [2]

    Geissbuehler S, Dellagiacoma C, Lasser T 2011 Biomed. Opt. Express 2 408

    [3]

    Dertinger T, Colyer R, Vogel R, Enderlein J, Weiss S 2010 Opt. Express 18 18875

    [4]

    Geissbuehler S, Bocchio N L, Dellagiacoma C, Berclaz C, Leutenegger M, Lasser T 2012 Opt. Nanoscopy 1 1

    [5]

    Stein S C, Huss A, Höhnel D, Gregor I, Enderlein J 2015 Opt. Express 23 16154

    [6]

    Betzig E, Patterson G H, Sougrat R, Lindwasser O W, Olenych S, Bonifacino J S, Davidson M W, Lippincott-Schwartz J, Hess H F 2006 Science 313 1642

    [7]

    Rust M J, Bates M, Zhuang X 2006 Nat. Methods 3 793

    [8]

    Chen D N, Liu L, Yu B, Niu H B 2010 Acta Phys. Sin. 59 6948 (in Chinese) [陈丹妮, 刘磊, 于斌, 牛憨笨2010物理学报59 6948]

    [9]

    Li H, Yu B, Chen D N, Niu H B 2013 Acta Phys. Sin. 62 124201 (in Chinese) [李恒, 于斌, 陈丹妮, 牛憨笨2013物理学报62 124201]

    [10]

    Wang X, Chen D, Yu B, Niu H 2015 Appl. Opt. 54 6919

    [11]

    Koppel D E 1974 Phys. Rev. A 10 1938

    [12]

    Qian H 1990 Biophys. Chem. 38 49

    [13]

    Zeng Z, Chen X, Wang H, Huang N, Shan C, Zhang H, Teng J, Xi P 2015 Sci. Rep. 5 1

    [14]

    Wang X, Chen D, Yu B, Niu H 2016 Appl. Opt. 55 7911

    [15]

    Kendall M G, Stuart A 1977 The Advanced Theory of Statistics (Vol. 1) (New York: MacMillan Publishing) pp57-96

    [16]

    Rose C, Smith M D 2002 Mathematical Statistics with Mathematica (New York: Springer) pp31-80

    [17]

    Vandenberg W, Duwé S, Leutenegger M, Moeyaert B, Krajnik B, Lasser T, Dedecker P 2016 Biomed. Opt. Express 7 467

    [18]

    Mller J D 2004 Biophys. J. 86 3981

    [19]

    Biggs D S C, Andrews M 1997 Appl. Opt. 36 1766

    [20]

    Arganda-Carreras I, Fernández-González R, Muöoz-Barrutia A, Ortiz-De-Solorzano C 2010 Microsc. Res. Tech. 73 1019

    [21]

    Lee T C, Kashyap R L, Chu C N 1994 Graph. Model. Im. Proc. 56 462

  • [1]

    Dertinger T, Colyer R, Iyer G, Weiss S, Enderlein J 2009 Proc. Nat. Acad. Sci. 106 22287

    [2]

    Geissbuehler S, Dellagiacoma C, Lasser T 2011 Biomed. Opt. Express 2 408

    [3]

    Dertinger T, Colyer R, Vogel R, Enderlein J, Weiss S 2010 Opt. Express 18 18875

    [4]

    Geissbuehler S, Bocchio N L, Dellagiacoma C, Berclaz C, Leutenegger M, Lasser T 2012 Opt. Nanoscopy 1 1

    [5]

    Stein S C, Huss A, Höhnel D, Gregor I, Enderlein J 2015 Opt. Express 23 16154

    [6]

    Betzig E, Patterson G H, Sougrat R, Lindwasser O W, Olenych S, Bonifacino J S, Davidson M W, Lippincott-Schwartz J, Hess H F 2006 Science 313 1642

    [7]

    Rust M J, Bates M, Zhuang X 2006 Nat. Methods 3 793

    [8]

    Chen D N, Liu L, Yu B, Niu H B 2010 Acta Phys. Sin. 59 6948 (in Chinese) [陈丹妮, 刘磊, 于斌, 牛憨笨2010物理学报59 6948]

    [9]

    Li H, Yu B, Chen D N, Niu H B 2013 Acta Phys. Sin. 62 124201 (in Chinese) [李恒, 于斌, 陈丹妮, 牛憨笨2013物理学报62 124201]

    [10]

    Wang X, Chen D, Yu B, Niu H 2015 Appl. Opt. 54 6919

    [11]

    Koppel D E 1974 Phys. Rev. A 10 1938

    [12]

    Qian H 1990 Biophys. Chem. 38 49

    [13]

    Zeng Z, Chen X, Wang H, Huang N, Shan C, Zhang H, Teng J, Xi P 2015 Sci. Rep. 5 1

    [14]

    Wang X, Chen D, Yu B, Niu H 2016 Appl. Opt. 55 7911

    [15]

    Kendall M G, Stuart A 1977 The Advanced Theory of Statistics (Vol. 1) (New York: MacMillan Publishing) pp57-96

    [16]

    Rose C, Smith M D 2002 Mathematical Statistics with Mathematica (New York: Springer) pp31-80

    [17]

    Vandenberg W, Duwé S, Leutenegger M, Moeyaert B, Krajnik B, Lasser T, Dedecker P 2016 Biomed. Opt. Express 7 467

    [18]

    Mller J D 2004 Biophys. J. 86 3981

    [19]

    Biggs D S C, Andrews M 1997 Appl. Opt. 36 1766

    [20]

    Arganda-Carreras I, Fernández-González R, Muöoz-Barrutia A, Ortiz-De-Solorzano C 2010 Microsc. Res. Tech. 73 1019

    [21]

    Lee T C, Kashyap R L, Chu C N 1994 Graph. Model. Im. Proc. 56 462

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1874
  • PDF下载量:  243
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-06-13
  • 修回日期:  2016-07-12
  • 刊出日期:  2016-10-05

基于累积量标准差的超分辨光学涨落成像解卷积优化

    基金项目: 

    国家重点基础研究发展计划(批准号:2012CB825802)、国家自然科学基金(批准号:61335001,61178080,61235012,11004136)、国家重大科学仪器设备开发专项(批准号:2012YQ15009203)和深圳市科技计划项目(批准号:JCYJ20120613173049560,GJHS20120621155433884)资助的课题.

摘要: 超分辨光学涨落成像方法通过计算一组随机闪烁图像序列的累积量来提高空间分辨率.在实际实验中,由于计算的图像序列帧数有限,每个像素上累积量估计的误差将显著影响重构图像的均匀性和连续性.传统超分辨光学涨落成像技术由于缺乏对累积量估计的误差分析,在其后续的Lucy-Richardson解卷积算法中,没有对累积量重构图像的噪声添加约束条件.本文利用基于单组有限长数据的累积量标准差公式,计算了超分辨光学涨落显微图像每个像素上的累积量标准差,并将结果引入Lucy-Richardson解卷积算法中作为迭代优化的偏差阈值.模拟和实验结果表明,在相同图像序列长度下,该优化方法显著提高了超分辨重构图像的均匀性和连续性;在同等图像质量下,该方法可缩短图像序列帧数至原来的一半以下,有望用于活细胞动态超分辨成像.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回