论文部分内容阅读
超分辨定位成像通过相对简单的成像系统结构和实验操作流程实现了纳米量级的空间分辨率,成为生物医学研究中重要的工具。过去,超分辨定位成像的应用通常局限于成像单个、小于一个完整哺乳动物细胞大小的成像视场。近些年来,研究人员尝试将超分辨定位成像应用于高通量成像。通过成像数百个,甚至上万个成像视场,高通量超分辨定位成像能够提供丰富的时间和空间信息,从而便于测试不同的实验条件、探测低概率事件、对细胞结构进行无偏的研究等。然而,超分辨定位成像具有数据量大和计算强度高的特点。高通量超分辨定位成像更大的视场面积、更高的激发密度导致数据计算强度远远超出了现有方法实时处理的能力,因此现有方法无法与高通量成像所需的全自动图像采集和分析相结合。此外,目前缺乏有效的手段保证高通量成像大量成像视场之间的质量均匀性。针对上述问题,本文开发一整套适用于高通量超分辨定位成像的实时、高精度图像处理和质量控制算法。具体内容如下:(1)实时稀疏分子定位算法。本文对极大似然估计定位算法(MLE)的数学模型进行改进,结合其他多种优化策略和图形处理器(GPU)加速,在不损失定位精度的前提下,将定位速度相比目前最快的MLE定位算法提高一个数量级,满足基于科学级互补金属氧化物半导体(sCMOS)相机的200μm×200μm视场和10 ms曝光时间成像的实时定位需求。此外,本文还开发了具有完整图像处理流程的ImageJ插件QCSTORM。该插件可以实现实时图像预处理和分子识别、超分辨图像渲染和统计信息分析。结果表明,QC-STORM的整体速度比同类软件提升了两个数量级。(2)实时高密度分子定位算法。本文开发了实时的加权MLE定位算法和多分子MLE定位算法,并采用了分而治之的策略将荧光分子子区域分配给不同的定位算法进行处理。本文提出的高密度分子定位算法获得了与同类算法相近的定位精度和分子识别率,并在速度上获得三到四个数量级的提升,实现了100μm×100μm视场和10 ms曝光时间成像的高密度成像数据实时处理。(3)实时质量控制方法。本文基于泊松分布,对定位成像的随机激发过程进行建模,并将整数维度的成像结构模型推广到分数维,开发了不依赖人为设定参数的定位密度和Nyquist分辨率计算方法。结合定位精度和Nyquist分辨率,本文开发了实时的合成空间分辨率计算方法,称为ROMP,能够实现基于sCMOS相机100μm×100μm视场和10 ms曝光时间成像的实时处理。基于实时定位密度反馈控制和ROMP分辨率监测,本文实现了视场之间均匀的空间分辨率。综上,本文发展了适用于高通量超分辨定位成像的实时图像处理和质量控制方法。本文发展的方法能够降低高通量超分辨定位成像的使用难度,显著提高用户工作效率,并为后续的生物医学应用铺平了道路。