Detección con súper-resolución de estructuras ralas en imágenes ópticas mediante nuevas variantes del algoritmo SUPPOSe

• Autores: Lacapmesure, Axel Mauro
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Martínez, Sandra R.; Martínez, Oscar Eduardo
• Materia: DECONVOLUCION; SUPER-RESOLUCION; MICROSCOPIA OPTICA; DECONVOLUTION; SUPER-RESOLUTION; OPTICAL MICROSCOPY
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

En esta Tesis estudiamos mejorar la resolución de imágenes ópticas mediante métodos computacionales que aprovechan el conocimiento previo sobre la muestra y el modelo de formación de imagen para extraer la mayor cantidad de información de una única adquisición. En concreto trabajamos con SUPPOSe, un algoritmo de súper-resolución para microscopías de fluorescencia basado en aproximar la muestra como una superposición de fuentes puntuales. En primer lugar, desarrollamos una nueva implementación numérica del método bajo el paradigma de optimización por gradiente descendiente diseñada para la detección de objetos ralos o de baja dimensionalidad que provee una drástica mejora en el tiempo de ejecución. Aplicamos el algoritmo sobre imágenes simuladas de microscopía de localización de molécula única donde, al combinarlo con técnicas de reducción de ruido mediante redes neuronales, detectamos múltiples fluoróforos superpuestos en condiciones de alta densidad y relación señal-ruido extremadamente baja, obteniendo un mejor desempeño que otras técnicas basadas en sensado comprimido. Asimismo procesamos imágenes experimentales del complejo del poro nuclear humano adquiridas con microscopía STED, donde corroboramos la detección de estructuras biológicas nanométricas a partir de una única adquisición incluso habiendo estimado la respuesta impulsiva del instrumento, un parámetro fundamental del algoritmo, a partir de la propia imagen. Por último extendimos la formulación del método para la caracterización de objetos volumétricos, primero en imágenes simuladas de microscopía de dos fotones y luego en imágenes experimentales de tomografía de coherencia óptica, una técnica interferométrica sin marcado que alcanza penetraciones del orden del milímetro. En estos casos logramos reconstruir objetos con tamaños por debajo de las resoluciones axial y lateral, demostrando que SUPPOSe proporciona un marco teórico versátil para el análisis computacional de imágenes ópticas mediante el modelado matemático de la señal adquirida a partir de primeros principios. En todos los casos se provee software de acceso libre junto con un exhaustivo procedimiento para la evaluación de los resultados a fin de garantizar reconstrucciones fidedignas.
In this thesis we study how to improve the resolution of optical images with computational methods that take advantage of prior knowledge on the sample and the image formation model to extract the maximum amount of information from a single acquisition. Specifically, we work with SUPPOSe, a super-resolution algorithm for fluorescence microscopy based on approximating the sample as a superposition of point sources. First, we developed a new numerical implementation of the method under the paradigm of gradient descent optimization designed for the detection of sparse or low-dimensional objects with a drastic improvement in computational time. We applied the algorithm on simulated images of Single Molecule Localization Microscopy where, in combination with image denoising using neural networks, we detected multiple overlapping fluorophores in conditions of high density and extremely low signal-to-noise ratio, obtaining better performance in comparison with other techniques based on compressed sensing. We also processed experimental images of the human Nuclear Pore Complex acquired with STED microscopy, where we verify the detection of nanometric biological structures from a single acquisition, even considering that the response function of the instrument, a fundamental parameter of the algorithm, was obtained from the image itself. Finally, we extended the formulation of the method for measurements of volumetric objects, first for simulations of Two-Photon Excitacion Microscopy, and second for experimental images of Optical Coherence Tomography, a label-free interferometric imaging technique that can reach penetrations of the order of millimeters. In this case we reconstructed objects with a size below the axial and lateral resolutions, demonstrating that SUPPOSe provides a versatile theoretical framework for the computational analysis of optical images through the mathematical modeling of the acquired signal from first principles. In all case, we provide open-access software along with an exhaustive procedure to evaluate the results of the algorithm to guarantee a reliable reconstruction.
Fil: Lacapmesure, Axel Mauro. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.