徕卡显微镜惠更斯STED反卷积快速指南

2016-03-25新闻资讯

本文档的目的是给徕卡STED用户简要介绍了使用与Leica TCS STED SP8 3倍显微镜获得的图像惠更斯专业解卷积图像。

采样间隔(XYZT):从图片属性获得的值
显微镜类型:值从图片属性取
数值孔径:数值从图片属性取
客观质量:取默认值“好”
盖玻片位置:使用专用工具(图示左侧)
拍摄方向:对于DMI显微镜总是“向上”
针孔间距:不相干的共焦/ STED显微镜
镜片浸泡:用“油”
包埋剂:从下拉菜单中选择合适的媒介。

Backproj。 从图片属性获得的值: 针孔
激发波长值从图片属性取
发光波长值从图片属性取
多光子激发:值从图片属性取
激发填充因子:从图片属性获得的值; 默认值= 2,除了TiSaph受激发射损耗(值= 1.2)
受激发射损耗耗尽型:从图片属性获得的值
STED饱和系数:见下面的更多细节
受激发射损耗波长值从图片属性取
受激发射损耗免疫力分数:见下面的更多细节
受激发射损耗3X:请参阅下面的详细资料

受激发射损耗饱和度的因素

饱和因素原本是指期限:

徕卡显微镜惠更斯STED反卷积快速指南

这是受激发射损耗分辨率公式的一部分:

徕卡显微镜惠更斯STED反卷积快速指南

它定义了STED PSF的全宽半高(FWHM),最后STED图像的分辨率。 与门控受激发射损耗和TCS STED SP8 3X,经典的理解饱和因子(主要依赖于激光强度和所选择的染料的消耗效率)的实施是由包括关于激励和损耗激光模式(附加信息扩展脉冲或CW)和门控检测。 在实践中,有两个参数影响STED的分辨率,因此惠更斯饱和系数:STED耗尽激光强度和栅极起始数值。 请记住,为了简化和整体实用性,被用于受激发射损耗PSF在惠更斯的计算只有一个“理想”染料的I SAT值。 每默认情况下,3.3和LAS AF版本后,预测值(来自成像参数)会自动在图像属性中设置并转移到惠更斯。 对。LIF的是在LAS AF的早期版本中获得的文件,饱和度的因素需要在惠更斯手动输入。 饱和系数的值可能需要取决于染料的受激发射损耗效率进一步调整。 保持眼睛上的图像分辨率(线剖面测量)的情况下,需要一些额外的改变。 下面,将显示一个阵列示出了饱和度因子与几种计算出的PSF的FWHM值之间的关系。 它应该提供的情况下的基准的实际图像分辨率不同于预测1。

饱和因子值和现实之间显著的差异可以在反褶积的数据进行分析:

  • 饱和系数太高:计算PSF是比真实的PSF显著较小。 这将导致在工件视为不与原始图像相关联强烈粒状结构。 此外,噪声可以被误解为信号(箭头,见下文)。 在一般情况下,过小的点扩展函数的预测将会对数据不太明显的影响,但小斑点和纹理可被误判为结构细节和结果在成像数据的错误解释。
  • 饱和因数过低:图片会出现令人费解的,几乎不管信噪比选择在STED反卷积向导(见下文)。 降噪可能仍然是可以接受的,但去卷积图像将获得更多的信息与可能的工件生成一个巨大的损失(箭头,见下文)。

受激发射损耗3X

惠更斯居然直接从。LIF文件的图片属性提取正确的值。 不过也有一些事情要考虑。 在主要的受激发射损耗3D滑块调节光的进入既可以通过“旋涡”,或“3D甜甜圈”光束的路径,这将对横向和轴向分辨率的增加之间的比率产生影响的百分比。

因此,计算出的PSF具有相同饱和度的形状根据三维滚动条的位置而变化。 横向分辨率不断减小,而轴向分辨率的增加(见例计算的PSF与在图6 30饱和值)。

分辨率增加,无论是尺寸,最后在其各向同性分辨率达到了3D滑块百分比之间的比率又是依赖于所选择的染料的受激发射损耗效率。

确定在3D STED正确的饱和系数的最简单的方法在于获得一个额外的控制图像和0%STED 3D和调整惠更斯饱和因素对测量FWHM。 相同的饱和度因子然后可以只要同一STED激光强度和栅极启动值被使用用于所有三维STED滑块的位置。

受激发射损耗免疫力分数

“免疫分数”的惠更斯定义是由荧光基团,它们是免疫的受激发射损耗消耗的激光,并且可以被描述为被添加到纯STED PSF一个附加的共焦聚砜组分的人口给出。

这里,免疫分数是一个宽泛的定义,旨在覆盖三个不同的受激发射损耗的影响:

  1. 反斯托克斯激励与受激发射损耗损耗激光:
    在某些情况下,受激发射损耗耗尽激光也可以激发染料。 这始终是依赖于染料/激光组合。 徕卡的推荐染料/激光组合通常有没有只非常少的反斯托克斯激励,但在某些情况下(多色实验),可能有必要使用染料在光谱上位于更靠近STED耗尽激光。 对于去卷积的PSF足迹的额外的增加可以通过增加免疫分数来模拟。 注意,受激发射损耗消耗激光器具有不同PSF的形状(面包圈),以有一个固定的激发激光(点),这是没有考虑到在免疫分数的计算。
  2. 短寿命成分在STED CW和门控STED:
    CW受激发射损耗损耗增加荧光寿命到受激发射损耗PSF,这偏见分辨率朝发射较长的寿命一个显著的贡献。 短暂的荧光,而另一方面,有受激发射损耗低效率和较差的分辨率。 荧光信号总是由不同生命周期的组件,所有在最后的STED CW PSF加起来的整个范围。 因此,短寿命荧光是“免疫”的受激发射损耗光,这会导致类似的PSF对那些出现在图7B中。 在检测该底座将是不太突出的多门使用。 作为一个经验法则,STED CW使用高达10%的免疫分数,而门控STED图像是在3%至5%的范围内。
  3. 可怜的损耗效率脉冲受激发射损耗:
    在大多数情况下,脉冲受激发射损耗的解决方案为您提供了STED PSF的清洁形式。 然而,由于同步问题,本征染料光物理学和宽度STED激光脉冲,染料的人口可能不被有效地耗尽,并且每个定义免疫耗竭激光。

总体而言,免疫馏分具有只在去卷积的图像的质量几乎没有影响。 在情况下,真正的受激发射损耗PSF底座是相当广泛的(强反斯托克斯激发和STED CW)调整计算PSF的免疫力分数到适当的水平可能使较低的背景阈值水平。 另一方面较低的背景估计的增加的信息可以提取/从原始图像增强的量。

在理论PSF免疫力分数非常低的水平会使该算法忽略了真实的PSF,这可以通过软件作为一个真正的信号最终被误判的基座,并会最终导致文物,像小边强的信号放大结构图像。

结论

匹配计算,理论PSF,以“真正的”一罐需要几分钟的尝试。 但是,一旦确定,有类似的设置实验之间的差异在PSF形状是微乎其微的。 此外,随着越来越多的经验,这些调整变得随着时间的推移更加容易。

有在惠更斯的工具,可以帮助点扩展函数的FWHM值,这是在反褶积有帮助的估计。 在“FWHM PSF估计 ”所在的“ 分析 ”一 ​​节中给定的图像与单一的PSF可见的自动生成的FWHM估计。 这可以用来猜测为显微镜的任一对非常小的荧光珠(<35纳米)或者甚至在小的结构,或者在实际样品内的荧光背景的分辨率的近似值。 这些值可以被用来调整所计算PSF的图像参数。

一个更优雅,也更先进的解决方案是由“PSF蒸馏器向导”“反褶积”一节中找到提供。 此处的实际的PSF被测量并转换成一个数学模型。 用蒸馏水PSF解卷积的数据最终会得到最好的结果,因为它考虑到了系统特定的缺陷和不对称。 涤纶短纤蒸馏器需要具有非常好的信号 - 噪声水平的图像正确地提取所需的信息。

选择一个PSF /负载卷积模板

在这个步骤中,用户被要求加载之前保存的卷积模板并导入先前计算,或蒸馏水PSF表示。 如果没有值或引用本节被加载后,软件会使用去卷积的图像作为参考图像参数(参见参数编辑器以上)自动生成计算PSF。 请注意,反褶积精灵还提供了扩展的帮助文件,并直接链接到SVI网页。 为了快速卷积实验,这一步可以忽略不计。

裁剪工具

用户被给予机会来移除图像的空的区域,以提供更有效和更快的去卷积处理。“自动裁剪”选项将自动生成建议裁剪边界,这进一步增加了易用性。

直方图工具和背景估计

检查图像的直方图和定义背景水平是至关重要的结果的质量。 在直方图检查软件警告说,非常明亮的图像包含的区域,其中像素的强度达到最大值(在8位图像,255)的用户。 在这些“饱和”的区域由强度分布图中给出的结构信息丢失(削波),这将导致伪像的产生。 对于受激发射损耗数据是很难通过图像重建恢复裁剪区域的丢失的信息,因此要避免削波是很重要的。

背景估计阶段,用户可以设置一个相对的或绝对的背景值。 如果背景被设置得太低,则软件可能解释更高的背景水平和噪声的信号错误地放大它们。 如果背景电平设置过高,真实的信号可以被忽略和压制,这可能导致信息丢失。

自动估计值可以用两种不同的算法来完成。“最低”搜索图像为平坦区域具有最低的像素值,而“中/附近的对象”搜索对象,并确定在这些对象中的直接靠近的背景。 因此,“最低”的算法一般会产生较低的背景水平比“中/近对象”。 如果需要的话,还有一个选项,它允许用户在“手动”模式设置为自定义值。

解卷积阶段

  • 最大迭代次数:
    在惠更斯默认CMLE算法,在许多其他反卷积解决方案的理想形象的评价是做了几个迭代。 更多的反复测试,更好的图像将被反卷积。 在“反褶积强度”可以其特征对比度增强,并与原始图像相比增加了分辨率。 与过高的信噪比设置组合使用过多的迭代可能导致伪影的产生。 预设的迭代次数被设置为40,用于共焦和受激发射损耗的图像。
  • 信号噪声比(SNR):
    信号 - 噪声比设置控制许多次迭代之后可达到的最大分辨率,因此,有对对象的清晰度的影响。

找到正确的SNR值有时是困难的。 标准值的10和15之间受激发射损耗范围内,但最好是检查这些值真正适合。为此,线轮廓可以在整个图像被创建(点击并拖动图像上),以便估计在不同强度和本底水平。 对于信噪比估计,建议使用类似的背景值在背景估计步骤中输入的那些。 默认信噪比被设置为7,用于STED图像和20,用于共焦图象。

  • 质量阈值:
    测量迭代之间的品质指标之差,并作为一个停止条件。 如果质量指数显示迭代之间没有显著的变化,去卷积过程停止。 这个值可以被使用,以避免不必要的重复。 默认设置为0.05
  • 迭代模式:
    明智的做法是保持这个在“ 优化”。 欲了解更多详情,请参阅本SVI用户指南。
  • 砖布局:
    明智的做法是保持这个在“自动 ”。 欲了解更多详情,请参阅本SVI用户指南。

整理步骤

在这些最后的步骤中,用户有机会检查所处理的图像,并将其与原来的比较。 如果有必要,去卷积过程可以重新开始使用不同的参数和所有的图片可终于出口回到“缩略图一览”窗口。

结论

现在,参与这一过程的参数的含义已被阐明,你会发现它更容易设置正确的值。 不过,也有一些基本的规则,这将确保可能的最佳结果:

  • 运行反褶积向导之前,请务必检查在图像属性中的显微镜参数。
  • 如果可能的话,产生的PSF( 操作窗口 )和形状的图像小的结构比较和匹配相应的饱和度因子和免疫部分。
  • 如果可能的话,更喜欢小栈(至少3片),以单个帧。 三维数据产生显著更好的去卷积图像比2D数据。
  • 总是去卷积图像与原始数据进行比较,以便在过程中,以排除可能的假象。 注意的是,如果结构中去卷积图像不会出现在原始数据,或者如果对象是小到单个像素。