Deconvolution of Noisy Two-Photon Microscopy Images
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
School of Science |
Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2010
Major/Subject
Lääketieteellinen tekniikka
Mcode
Tfy-99
Degree programme
Language
en
Pages
[6] + 60
Series
Abstract
Two-photon fluorescence microscopes can be used to observe brains with a supreme resolution. However, due to various phenomena the image quality is often lacking. Most notable degradation is the blur caused by the imaging optics that can be modelled as an impulse response of the imaging system. This means that the measured image can be considered as a convolution between the impulse response and the actual image. In order to estimate the actual image from the measured one, a deconvolution must be performed taking into account the nature of the impulse response as well as other factors influencing the signal, such as stochastic noise and background signal. In this work several methods to deconvolve 3D microscopy images are introduced, including the current state-of-the-art solution, the so called split-gradient method. Additional detail is paid to the background signal, a factor that has been left with little attention in the literature. Particularly, the split-gradient method is improved by adding a robust maximum-likelihood-based background estimation step to the algorithm. Two artificial images are introduced and used to compare the methods. The method developed in this work is compared to the plain split-gradient method by measuring the Kullback-Leibler divergences between the phantom images and reconstructions, as well as by measuring the respective edge reconstruction qualities. The developed algorithm was also applied to real astrocyte images. The results show that in cases where the image is corrupted by significant background signal, the new approach is superior to that of the plain split-gradient method and that in other cases the methods perform comparably.Kaksifotonifluoresenssimikroskoopilla voidaan tutkia aivoja ennen näkemättömällä tarkkuudella, mutta monista tekijöistä johtuen kuvanlaatu on usein heikko. Suurin kuvanlaatua alentava tekijä on laitteiston aiheuttama sumentuma, jota voidaan mallintaa systeemin impulssivasteella. Tällöin mitattu kuva vastaa impulssivasteen ja oikean kuvan konvoluutiota. Jotta mitatusta kuvasta voitaisiin arvioida oikea kuva, on suoritettava dekonvoluutio ottaen myös huomioon muut kuvanlaatuun vaikuttavat tekijät, kuten kohina ja taustasignaali. Tässä työssä esitellään useita kirjallisuudessa esiintyviä keinoja suorittaa 3D dekonvoluutio kiinnittäen erityistä huomiota taustasignaaliin, joka on kirjallisuudessa jätetty vähälle huomiolle. Eräs esitellyistä metodeista on ns. split-gradient -tekniikka, jota tässä työssä parannetaan liittämällä siihen maximum-likelihood -pohjainen taustasignaalin arviointivaihe. Työssä esitellään kaksi fantomi-kuvaa, joita käytetään työssä kehitetyn parannellun split-gradient -tekniikan ja alkuperäiseen menetelmän vertaamiseen mittaamalla Kullback-Leibler divergenssia tulosten ja alkuperäisten kuvien välillä. Tämän lisäksi metodien tarkkuutta rekonstruoida kuvan reunat arvioidaan ja menetelmiä sovelletaan myös oikeisiin astrosyyttikuviin. Jos käsitellyissä kuvissa on huomattavan epähomogeeninen taustasignaali, työssä kehitetty paranneltu split-gradient menetelmä on vanhaa versiota parempi. Jos taustasignaali on kuvassa vakio, menetelmät suoriutuvat dekonvoluutiosta likimain samalla tarkkuudella.Description
Supervisor
Koskelainen, AriThesis advisor
Riera, JorgeKeywords
multi-photon laser scanning microscopy, monifotonilasermikroskopia, image deconvolution, dekonvoluutio, split-gradient method, split-gradient -menetelmä, maximum likelihood estimators, maximum-likelihood estimaattori, iterative methods, iteratiiviset menetelmät, background estimation, kohinan arviointi