Dekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ

Hasonló dokumentumok
Fourier transzformáció

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)

Shift regiszter + XOR kapu: 2 n állapot

Wavelet transzformáció

DIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG:

Összeállította: dr. Leitold Adrien egyetemi docens

Mérés és adatgyűjtés

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 6. ea ősz

Képrekonstrukció 3. előadás

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 2017 ősz

Digitális jelfeldolgozás

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

RENDSZERTECHNIKA 8. GYAKORLAT

Mátrix-exponens, Laplace transzformáció

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István

Rövid ismertető. Modern mikroszkópiai módszerek. A mikroszkóp. A mikroszkóp. Az optikai mikroszkópia áttekintése

Optika gyakorlat 6. Interferencia. I = u 2 = u 1 + u I 2 cos( Φ)

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 7-8. ea ősz

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

Digitális jelfeldolgozás

Fény- és fluoreszcens mikroszkópia. A mikroszkóp felépítése Brightfield mikroszkópia

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Jelfeldolgozás bevezető. Témalaboratórium

FI rendszerek periodikus állandósult állapota (JR1 ismétlés)

7. Előadás tartalma. Lineáris szűrők: Inverz probléma dekonvolúció: Klasszikus szűrők súly és átviteli függvénye Gibbs jelenség

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

A médiatechnológia alapjai

Fourier sorok február 19.

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK

Fény- és fluoreszcens mikroszkópia. Optikai szeletelés

7. Moduláció átviteli függvény mérése

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY

Gépészeti rendszertechnika (NGB_KV002_1)

4. Szűrés frekvenciatérben

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 6-8. ea ősz

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

Anyagi tulajdonságok meghatározása spektrálisan

Jelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem

Tartalomjegyzék. Emlékeztetõ. Emlékeztetõ. Spektroszkópia. Fényelnyelés híg oldatokban A fény; Abszorpciós spektroszkópia

Abszorpciós spektroszkópia

Mintavétel: szorzás az idő tartományban

Informatika Rendszerek Alapjai

illetve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: = " 3. = + " 2 = " 2 % &' + +

Mechanikai rezgések Ismétlő kérdések és feladatok Kérdések

A gyakorlat célja a fehér és a színes zaj bemutatása.

Abszolút folytonos valószín ségi változó (4. el adás)

Számítógépes gyakorlat MATLAB, Control System Toolbox

1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Tartalomjegyzék. Emlékeztetõ. Emlékeztetõ. Spektroszkópia. Fényelnyelés híg oldatokban 4/11/2016. A fény; Abszorpciós spektroszkópia

Milyen simaságú legyen a minta felülete jó minőségű EBSD mérésekhez

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia április 7.

Jelanalízis. Neuronális aktivitás

Kommunikációs hálózatok 2


π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ]

VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20

Diszkrét idej rendszerek analízise szinuszos/periodikus állandósult állapotban

Lin.Alg.Zh.1 feladatok

Digitális képek szegmentálása. 5. Textúra. Kató Zoltán.

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

Biofizika. Sugárzások. Csik Gabriella. Mi a biofizika tárgya? Mi a biofizika tárgya? Biológiai jelenségek fizikai leírása/értelmezése

Idő-frekvencia transzformációk waveletek

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén

Jelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel!

Jelek és rendszerek - 12.előadás

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

Néhány fontosabb folytonosidejű jel

Digitális szűrők - (BMEVIMIM278) Házi Feladat

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Jelek és rendszerek - 4.előadás

Komplex számok. Wettl Ferenc előadása alapján Wettl Ferenc előadása alapján Komplex számok / 18

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Rezgés, Hullámok. Rezgés, oszcilláció. Harmonikus rezgő mozgás jellemzői

Gazdasági matematika II. vizsgadolgozat megoldása A csoport

Orvosi Biofizika I. 12. vizsgatétel. IsmétlésI. -Fény

Az elektromágneses sugárzás kölcsönhatása az anyaggal

Jelek és rendszerek MEMO_03. Pletl. Belépő jelek. Jelek deriváltja MEMO_03

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I márc.11. A csoport

Rezgőmozgás. A mechanikai rezgések vizsgálata, jellemzői és dinamikai feltétele

Szent István Egyetem Fizika és folyamatirányítási Tanszék FIZIKA. rezgések egydimenziós hullám hangok fizikája. Dr. Seres István

Mátrixok 2017 Mátrixok

Matematika (mesterképzés)

3. Lineáris differenciálegyenletek

11. Orthogonal Frequency Division Multiplexing ( OFDM)

Az elméleti mechanika alapjai

A mintavételezéses mérések alapjai

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

Dankházi Z., Kalácska Sz., Baris A., Varga G., Ratter K., Radi Zs.*, Havancsák K.

OPTIKA. Fotometria. Dr. Seres István

4. Konzultáció: Periodikus jelek soros RC és RL tagokon, komplex ellenállás Részlet (nagyon béta)

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Bevezetés a méréstechinkába, és jelfeldologzásba jegyzőkönyv

Az egyenlőtlenség mindkét oldalát szorozzuk meg 4 16-al:

Képalkotó diagnosztikai eljárások:

International GTE Conference MANUFACTURING November, 2012 Budapest, Hungary. Ákos György*, Bogár István**, Bánki Zsolt*, Báthor Miklós*,

Átírás:

Dekonvolúció a mikroszkópiában Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ 2015

Fourier-Sorok Minden 2π szerint periodikus függvény előállítható f x ~ a 0 2 + (a k cos kx + b k sin kx ), k=1 ahol az a és b együtthatók: a k = 1 π 0 2π f x cos kx dx Joseph Fourier 1768-1830 b k = 1 π 0 2π f x sin kx dx

Fourier sorok négyszögjel közelítése f x ~ 4 1 π n k=1,3,5, sin nπx L, ahol L a fél periódus f x ~ 4 π (sin π L x + 1 3 sin 3π L x + 1 5 sin 5π L x + 1 7 sin 7π L x + )

Fourier sorok négyszögjel közelítése 100x1 pixel kép

Fourier sorok négyszögjel közelítése X k = N 1 n=0 x n cos( 2πk n N + j sin 2πk n N ), n Z 100x1 pixel kép Komplex szám reprezentációja Diszkrét Fourier Transzformáció Magnitúdó kép (a complex vektor abszolult értéke: r) Diszkrét Fourier Transzformáció Fázis kép (a komplex vektor szöge: φ)

Fourier sorok négyszögjel közelítése Eredeti 50x50 pixel kép Fourier transzformált 50x50 pixel kép

Frekvencia kép jelentése Frekvencia kép 50x50 pixel Inverz Fourier Transzformáció 50x50 pixel IFFT

Frekvencia kép jelentése Frekvencia kép 50x50 pixel Inverz Fourier Transzformáció 50x50 pixel IFFT

Frekvencia kép jelentése Frekvencia kép 50x50 pixel Inverz Fourier Transzformáció 50x50 pixel IFFT

Frekvencia kép jelentése (Fázistolás) Frekvencia kép 50x50 pixel Inverz Fourier Transzformáció 50x50 pixel IFFT IFFT

Frekvencia kép jelentése Frekvencia kép 50x50 pixel Inverz Fourier Transzformáció 50x50 pixel λ IFFT k A k hossza a csíkozás frekvenciát adja meg, a szöge pedig az irányát (λ)

Magas Frekvenciák Fourier transzformáció Frekvencia kép (Magnitúdó) F f x = f(t)e 2πixt dt Alacsony Frekvenciák Eredeti kép Frekvencia kép (Fázis) F k, l = N 1 M 1 i=0 j=0 f(i, j)e i2π(ki N +lj M )

Fontos a Fázis információ is Frekvencia kép (Magnitúdó) Eredeti kép Inverz FT de nulla fázis mindenhol

Frekvencia kép jelentése Eredeti kép Frekvencia kép (Magnitúdó)

Frekvencia kép jelentése Eredeti kép Frekvencia kép (Magnitúdó)

Frekvencia kép jelentése Eredeti kép Magas frekvenciák kiszűrése(magnitúdó)

Optikai Fourier Transzformáció http://cns-alumni.bu.edu/~slehar/fourier/fourier.html

Optikai Fourier Transzformáció https://www.youtube.com/watch?v=xho8iz2qcoe

Optikai Képalkotás Pontátviteli Függvény

Optikai Képalkotás Pontátviteli Függvény Original structure Microscope image Ernst Abbe 1873 R(Airy) = 1.22λ/2NA(obj) R(Airy) = 1.22*510/2*1.4 = 222 nm

Optikai Képalkotás (Konvolúció) Eredeti Kép Átviteli Függvény (PSF) Konvolúció

Optikai Képalkotás Eredeti Kép Konvolúció: f g = + Diszkrét 2D Konvolúció: i= j= f t g x t dt f(m, n) g(m, n) = f i, j g(m i, n j) i= j= Átviteli Függvény (PSF) Konvolúció

Optikai Képalkotás (Dekonvolúció) Eredeti Kép Átviteli Függvény (PSF) Mikroszkópos kép = A konvolúció egy hasznos tulajdonsága: Dekonvolúció: F(f g) = F(f)F(g) F Mik. kép = F Eredeti. kep F(PSF) F Eredeti. kep = F Mik. kép F(PSF)

Optikai Képalkotás (Dekonvolúció) Eredeti Kép Átviteli Függvény (PSF) Mikroszkópos kép = A konvolúció egy hasznos tulajdonsága: Dekonvolúció: F(f g) = F(f)F(g) F Mik. kép = F Eredeti. kep F(PSF) F Eredeti. kep = F Mik. kép F(PSF)

Optikai Képalkotás (Dekonvolúció) FT Mikroszkópos kép FT (PSF) FT Eredeti Kép = Inverz FT

Dekonvolúció Mi a probléma? - Nullával osztás ott, ahol a F(PSF) nulla - Zaj. Poisson eloszlású foton emisszió, detektor zajok. - PSF mérése nagyon nehéz. A PSF jelentősen függhet az XY de főleg a Z mélységtől (különösen nagy törésmutatókülönbségnél) A minta maga hatással van a PSF-re

Dekonvolúció Konvolúció a PSF-el Eredeti kép Dekonvolúció a PSF-hez adott zajjal

Dekonvolúciós stratégiák 2D dekonvolúció (csak egy képsíkunk van) 2D Legközelebbi szomszédok figyelembe vétele Wiener szűrő, teljes 3D zajkezeléssel Iteratív közelítés, kényszerek megadása (S>0) Vak (blind) dekonvolúció, a PSF nem ismert

Dekonvolúciós stratégiák Iteratív közelítés https://www.youtube.com/watch?v=mj2fofqr7hw

Dekonvolúciós stratégiák A PSF nem ismert, vak dekonvolúció https://www.youtube.com/watch?v=mj2fofqr7hw

Dekonvolúciós stratégiák Eredeti kép Nearest Neighbor Wiener Szűrő Gold s method Blind https://www.youtube.com/watch?v=mj2fofqr7hw

Dekonvolúciós szoftverek DeconvolutionLab egy ImageJ plugin 2D és 3D mikroszkópos képek dekonvolúciójára ismert PSF-el. DeconvolutionJ Regularized Wiener Filter 2 és 3D adatra Autoquant 2D és 3D mikroszkópos képek dekonvolúciójára ismert PSF-el és Vak dekonvolúció is SVI Huygens 2D és 3D mikroszkópos képek dekonvolúciójára ismert PSF-el és Vak dekonvolúció is

Kép készítés dekonvolúcióhoz Megfelelő XY és Z irányú mintavételezés Telített (saturated) pixelek, voxelek kerülése Törésmutató kiegyenlítése, ha lehet Fakulás (Bleaching) kerülése Megvilágítás egyenletessége Mechanikai stabilitás (rezgésmentes asztal)

Mintavételezés dekonvolúcióhoz (Em. 500nm) SVI Huygens manual

Telített (saturated) pixelek, voxelek kerülése

Kép és mikroszkóp jellemzők

Dekonvolóciós paraméterek

Példák Konfokál 3 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional Dudok Barna, MTA KOKI, Piros:CB1 receptor, Kék:Biocitin, Zöld:Neuroligin

Példák Konfokál 3 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional Dudok Barna, MTA KOKI, Piros:CB1 receptor, Kék:Biocitin, Zöld:Neuroligin

Példák Konfokál 3 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional Dudok Barna, MTA KOKI, Piros:CB1 receptor, Kék:Biocitin, Zöld:Neuroligin

Példák Konfokál 3 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional Dudok Barna, MTA KOKI, Piros:CB1 receptor, Kék:Biocitin, Zöld:Neuroligin

Példák Konfokál 2 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional

Példák Konfokál 2 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional

Példák Konfokál 2 csatorna, 80nm/pixel 150nm Z lépés (15), n=1.31, 100x, NA1.47 Dekonvolvált Konfokál, Blind, Huygens Professional

Barna László, MTA KOKI, GFAP festés. Piros: eredeti, Zöld: dekonvolvált

Összefoglalás A dekonvolúció egy matematikai eljárás az eredeti jel helyreállítására, melyet a mérőrendszer átvitele és a zaj torzít. Növeli a kép felbontását, főleg Z irányban Növeli a kép kontrasztját Csökkenti a zajt