Nieuw onderzoek biedt wetenschappers die naar afzonderlijke moleculen of naar de verre ruimte kijken een nauwkeurigere manier om beeldgegevens die door microscopen zijn vastgelegd, te analyseren. telescopen en andere apparaten.

De verbeterde methode voor het bepalen van de positie van objecten die zijn vastgelegd door beeldvormende systemen is het resultaat van nieuw onderzoek door wetenschappers van de Universiteit van Chicago. De bevindingen, gepubliceerd op 26 december in Proceedings van de National Academy of Sciences , biedt een mechanisme dat bekend staat als de interne vulfunctie met één pixel, of SPIFF - om systematische fouten in gegevens- en beeldanalyse te detecteren en te corrigeren die op veel gebieden van wetenschap en techniek worden gebruikt.

"Iedereen die werkt met beeldgegevens op kleine objecten - of objecten die er klein uitzien - die hun positie in tijd en ruimte wil bepalen en volgen, zal profiteren van de interne vulfunctiemethode met één pixel, " zei co-hoofdonderzoeker Norbert Scherer, een chemieprofessor in UChicago.

Onderzoekers in alle wetenschappen gebruiken beeldvorming om te leren over objecten op schalen variërend van de zeer kleine, zoals nanometers, tot de zeer grote, zoals astrofysische schalen. Hun werk omvat vaak het volgen van de beweging van dergelijke objecten om meer te weten te komen over hun gedrag en eigenschappen.

Veel beeldvormingssystemen en op afbeeldingen gebaseerde detectoren bestaan ​​uit pixels, zoals bij een megapixel mobiele telefoon. Zogenaamde deeltjestracking stelt onderzoekers in staat om de positie van een object tot op een enkele pixel te bepalen en zelfs de lokalisatie van subpixels te onderzoeken met een nauwkeurigheid van meer dan een tiende van een pixel. Met een resolutie van een optische microscoop van ongeveer 250 nanometer en een effectieve pixelgrootte van ongeveer 80 nanometer, het volgen van deeltjes stelt onderzoekers in staat om het centrum of de locatie van een object te lokaliseren tot op enkele nanometers, mits er voldoende fotonen worden gemeten.

Maar een dergelijke subpixelresolutie is afhankelijk van algoritmen om de positie van objecten en hun banen te schatten. Het gebruik van dergelijke algoritmen resulteert vaak in precisie- en nauwkeurigheidsfouten als gevolg van factoren zoals nabije of overlappende objecten in het beeld en achtergrondruis.

SPIFF kan de fouten corrigeren met weinig extra rekenkosten, volgens Scherer. "Tot dit werk, er waren geen eenvoudige manieren om te bepalen of de tracking en subpixellokalisatie nauwkeurig waren en om de fout te corrigeren als dit niet het geval was, " hij zei.

Van toepassing op vele disciplines

"Het analyseren van een afbeelding om een ​​ruwe schatting te krijgen van de positie van een object is niet zo moeilijk, maar optimaal gebruik maken van alle informatie in een afbeelding om de best mogelijke trackinginformatie te verkrijgen, kan een hele uitdaging zijn, " zei David Grier, hoogleraar natuurkunde aan de New York University, die niet bij het onderzoek betrokken was. "Gezien de wijdverbreide op afbeeldingen gebaseerde deeltjesvolging in de natuurkunde is doorgedrongen, scheikunde, biologie en vele technische disciplines, deze methode moet op grote schaal worden toegepast."

De analyse van subpixelgegevens kan vertekend zijn door subtiele kenmerken van het beeldvormingsproces, volgens Grier, en deze vooroordelen kunnen de schijnbare positie van een traject met wel een halve pixel verschuiven ten opzichte van de werkelijke positie. "Voor gevoelige metingen van delicate fysieke processen, dat is een ramp, ' zei Grietje.

"De methode beschreven in de PNAS-paper, echter, legt uit hoe deze vooroordelen kunnen worden opgespoord en hoe ze kunnen worden gecorrigeerd, daardoor helpen bevestigen dat de trackinginformatie betrouwbaar is, " hij voegde toe.

Het in het artikel beschreven onderzoek paste SPIFF toe op experimentele gegevens over vaste stoffen (d.w.z. colloïdale bollen) gesuspendeerd in een vloeistof, maar de onderzoekers hebben hun methode nu toegepast op veel andere datasets, inclusief nanoschaalkenmerken van cellen (bijv. blaasjes), metalen nanodeeltjes en zelfs enkele moleculen, Scherer zei, toevoegend dat de SPIFF-methode van toepassing is op alle trackingalgoritmen.

"Wij geloven dat SPIFF belangrijk zal zijn voor veel studies in biologie en nanowetenschappen en, hoewel we niet hebben gewerkt met beelden van telescopen, SPIFF kan zelfs helpen bij het bepalen en corrigeren van fouten in star-trackinggegevens, ' zei Scherer.