Revolutionär metod med APIC ger snabbare och tydligare mikroskopbilder med färre mätningar

StockholmEn ny teknik vid namn APIC (Angular Ptychographic Imaging with Closed-form method) skapar tydligare bilder över större områden. Utvecklad av Changhuei Yangs team på Caltech, är APIC mer exakt och snabbare än den nuvarande Fourier ptykografiska mikroskopin (FPM). Till skillnad från FPM behöver den inte upprepade uppskattningar utan löser direkt en linjär ekvation för mer precisa resultat.

Under många år hade mikroskoptillverkare svårt att uppnå både hög upplösning och ett brett synfält samtidigt. De var tvungna att välja antingen det ena eller det andra. År 2013 utvecklade ingenjörer vid Caltech Computational Microscopy och introducerade Fourier Ptychographic Microscopy (FPM). Denna nya teknik använde datoralgoritmer tillsammans med traditionella metoder för att skapa tydligare och mer detaljerade bilder över större områden. Trots sin effektivitet hade FPM en svaghet: den använde en metod baserad på försök och misstag, vilket ibland resulterade i felaktiga bilder.

Den nya APIC-tekniken löser detta problem. Här är vad som gör APIC bättre:

• Direkt lösning utan iterativa gissningar
• Snabbare bildbehandling
• Inga problem med suddighet och förvrängning
• Håller hög upplösning över ett stort synfält

Läs också:

Idag · 01:33

Kan ljudmagi fängsla blinda sinnen? Ny studie.

Under ledning av Yang lyckades Caltech-teamet förenkla algoritmen genom att ta bort dess repetitiva steg. APIC använder en linjär ekvation för att identifiera fel orsakade av mikroskopets optik. När dessa fel har identifierats kan systemet korrigera dem, vilket resulterar i tydliga bilder över stora områden utan behov av upprepade justeringar.

APIC underlättar för forskare att ta tydliga bilder av stora områden utan att ständigt behöva justera mikroskopets fokus. Däremot, med FPM, kräver även en liten förändring i provets höjd att användarna justerar fokus, vilket kan innebära att man behöver kombinera över 100 lågupplösta bilder för att få en större översikt.

Yang förklarar att APIC är avgörande för hans labs arbete med att förbättra bilddata för användning inom AI. Hans laboratorium har visat att AI kan överträffa expertläkare när det gäller att förutsäga spridning av lungcancer från patologibilder, men för detta behöver de klara och högkvalitativa bilder. APIC bidrar till att uppnå detta, vilket förbättrar både bildbearbetningen och AI-funktionerna.