Tüm alan boyunca yüksek çözünürlüklü Fourier ptychografisi ile sinirsel pupil mühendisliği

Tüm Slayt Boyunca Daha Keskin Görüntüler

Modern mikroskoplar şaşırtıcı hücresel ayrıntılar gösterebilir—ancak genellikle yalnızca görüntünün merkezine yakın küçük bir tatlı noktada. Büyük bir doku slaytının kenarlarında ince yapılar genellikle bulanıklaşır ve kaybolur; bu da doktorların ve araştırmacıların gördüklerine ne kadar güvenebileceklerini sınırlar. Bu makale, güçlü bir görüntüleme yöntemi olan Fourier ptychographic mikroskopiyi teorik sınırlarına daha da yaklaştırmanın yeni bir yolunu tanıtıyor; mikroskopu baştan inşa etmeden tüm geniş alan boyunca net ayrıntılar sunuyor.

Mikroskopların Kenarlarda Neden Zorlandığı

Fourier ptychographic mikroskopi (FPM), örneğe farklı açılardan ışık tutup ortaya çıkan düşük çözünürlüklü anlık görüntüleri bir bilgisayar yardımıyla birleştirerek tek, yüksek çözünürlüklü bir resim oluşturma esasına dayanır. İlke olarak, bu strateji çok keskin ve çok geniş görüntüler vermeli—tüm-slayt patolojisi, canlı hücre çalışmaları ve endüstriyel muayene için ideal. Ancak pratikte FPM en iyi performansı yalnızca optik merkeze yakın bölgede gösterir. Daha dışa doğru lens kusurları ve LED aydınlatmanın eğri dalga cepheleri, görüntüleme sisteminin her yerde aynı davrandığına dair basitleştirici varsayımı bozar. Sonuç olarak, alanın kenarlarında merkez mükemmel görünse bile artefaktlar, kontrast kaybı ve eksik ince detaylar ortaya çıkar.

Akıllı, Şekil Değiştiren Bir Açıklık

Sorunun özü, FPM’nin tipik olarak mikroskopun pupil fonksiyonunu nasıl ele aldığıyla ilgilidir; bu optik "pencere" ışığın hangi uzaysal frekans bileşenlerinin geçeceğini tanımlar. Standart FPM bu pencereyi uzaysal frekanslarla ilişkili bir matematiksel uzayda sabit, merkezlenmiş bir daire olarak ele alır. Yazarlar, gerçek deneylerde özellikle merkezden uzak bölgeler için etkili pencerenin hafifçe kaydığını gözlemlediler. Daha karmaşık fiziksel bir modeli el yapımı olarak oluşturmak yerine, bu pencerenin nasıl hareket etmesi gerektiğini bir sinir ağına öğrenmeye bıraktılar. Neural pupil engineering FPM (NePE-FPM) olarak adlandırdıkları yaklaşımlarında pupil, küçük bir sinir ağı ve çok çözünürlüklü bir hash tablosuyla kodlanmış sürekli bir fonksiyon olarak temsil ediliyor. Bu düzen, yeniden yapılandırma sırasında pupil’in frekans uzayında pürüzsüz şekilde kaymasına izin veriyor; algoritma eksen dışı davranışa sistemin zor ölçülen ekstra parametrelerini eklemeden uyum sağlayabiliyor.

Daha Net Hücreler ve Daha Keskin Desenler

Yöntemlerini test etmek için araştırmacılar bitki kökü dokusu ve standart çözünürlük hedefleri görüntülediler. Sabit pupil kullanan geleneksel FPM ile karşılaştırıldığında, NePE-FPM alanın kenarlarında hücre sınırlarını belirgin şekilde keskinleştirdi ve görüntü kontrastını artırdı. Nicel testler bazı bölgelerde kontrastta yaklaşık %55’e kadar iyileşme gösterdi; boyalı bireysel hücreler daha önce bulanık oldukları yerlerde artık net şekilde ayırt edilebiliyordu. FPM’yi zorlamak için tasarlanmış halka açık bir çözünürlük hedefinde, aydınlatmanın eğriliğinin önemli olduğu durumlarda rakip algoritmalar hem genlik hem de fazı doğru şekilde geri kazanmakta zorlandı. Buna karşılık NePE-FPM ince şerit desenlerini korudu ve nicel, etiketsiz görüntüleme için anahtar olan daha doğru faz haritaları sağladı.

Hem Örneği Hem Optiği Öğrenmek

Yazarlar işi bir adım daha ileri götürerek sinir ağlarının yalnızca kayan pupili değil, aynı zamanda örneği de temsil etmesine izin verdiler. Bu "çift örtük" şemada bir ağ örneğin ışığı nasıl değiştirdiğini kodlarken, diğeri optik pencerenin frekanslar boyunca nasıl davrandığını kodluyor. Özenle seçilmiş aktivasyon fonksiyonları amplitüdlerin ve fazların fiziksel olarak gerçekçi kalmasını sağlıyor. Bu sürekli, koordinat-temelli tanım akıllı bir filtre gibi davranıyor: gerçek geçişleri korurken gürültüyü doğal olarak düzleştiriyor ve geleneksel yöntemlerin belirli düzenleme türlerine aşırı dayandığında ortaya çıkabilen bloklu artefaktlardan kaçınıyor. Doku dilimlerinde yapılan testler daha düzgün, daha temiz faz görüntüleri gösterdi ve kontrast arttı; aynı zamanda temel nicel değerlerle uyum korundu.

Gerçek Dünya Kullanımı İçin Hızlandırma

Tüm-slayt görüntüleme büyük veri kümelerini içerdiğinden hız önemlidir. NePE-FPM verimlilik göz önünde bulundurularak tasarlandı. Çok çözünürlüklü hash kodlaması sinirsel temsile sabit zamanda sorgulanabilme imkânı veriyor ve yazarlar ağır işlemleri bir grafik işleme biriminde yürütmek için özel CUDA kodu uyguladılar. Milyonlarca piksel ve onlarca aydınlatma açısı içeren tipik veri kümelerinde yeniden yapılandırma süreleri onlarla ifade edilen saniyelere düştü—karşılaştırılabilir CPU tabanlı uygulamalardan yaklaşık on beş kat daha hızlı—ve tüm alan boyunca büyük çözünürlük kazanımları sağlandı.

Teoriyi Pratiğe Daha Yakın Hale Getirmek

Kolay anlaşılır bir ifadeyle, bu çalışma mikroskobun "penceresini" basitleştirilmiş bir modelde sabit tutmak yerine gerektiği yere doğru hareket etmeyi öğretiyor. Kompakt bir sinir ağına frekans uzayında ışığın nasıl filtrelendiğini sürekli olarak ayarlama imkânı vererek, NePE-FPM geniş alanlarda ince hücresel detayları tutarlı şekilde geri kazanıyor, FPM’nin kağıt üzerindeki vaatleri ile laboratuvarda sundukları arasındaki farkı daraltıyor ve bunu pratik hızlarda yapıyor. Dijital patoloji veya yüksek verimli muayene gibi uygulamalar için, kenarların merkez kadar güvenilir olduğu gigapiksel görüntülere giden bir yol sunuyor.

Atıf: Shuhe Zhang and Liangcai Cao, "Whole-field, high-resolution Fourier ptychography with neural pupil engineering," Optica 12, 1615-1624 (2025). https://doi.org/10.1364/OPTICA.575065

Anahtar kelimeler: Fourier ptychografik mikroskopi, hesaplamalı görüntüleme, sinirsel pupil mühendisliği, nicel faz görüntüleme, tüm-slayt mikroskopisi