Deconvolution Toolkit
ZEN Toolkits

Deconvolution Toolkit Methoden für rechnergestützte optische Schnitte

Selbst modernste Imaging-Systeme haben mit unvermeidbarer Bildunschärfe zu kämpfen, die durch die Bauteile optischer und elektronischer Mikroskope hervorgerufen wird. Glücklicherweise können computergestützte Dekonvolutionsmethoden hier Abhilfe schaffen. Das Deconvolution Toolkit umfasst eine Sammlung solcher Algorithmen für biowissenschaftliche Anwendungen.

 

  • Weniger Unschärfe. Stärkerer Kontrast und höhere Auflösung.
  • Wählen Sie unter mehreren Algorithmen den passenden für Ihre Prioritäten.
  • Beschleunigen Sie Ihre Workflows mit Multi-GPU-Unterstützung.
  • Kostenlose 30-Tage-Testversion
Verbessern Sie Ihre Bildqualität durch das Beseitigen von Bildunschärfen
Verbessern Sie Ihre Bildqualität durch das Beseitigen von Bildunschärfen

Verbessern Sie Ihre Bildqualität durch das Beseitigen von Bildunschärfen

Lösen Sie das Problem an der Wurzel

Bildunschärfe entsteht unweigerlich aufgrund der Gesetze der optischen Physik und durch den Einsatz elektronischer Bauteile in Imaging-Systemen. Das verschlechtert Bildqualitätsmetriken wie Signal-Rausch-Verhältnis, Bildkontrast, axiale Auflösung und laterale Auflösung. Mithilfe der Dekonvolution können Sie diese Bildqualitätsmetriken einzeln (oder gebündelt) optimieren.

Bild: Kortikale Primärkultur einer Ratte, Projektion (verbesserte Abbildungstiefe) von 4-Kanal-Z-Ebenen, GPU-basierte Dekonvolution. Probe mit freundlicher Genehmigung von H. Braun, LSM Bioanalytik GmbH, Magdeburg, Deutschland

Eine Vielfalt von Algorithmen, abgestimmt auf Ihre Anforderungen

Eine Vielfalt von Algorithmen, abgestimmt auf Ihre Anforderungen

Wählen Sie entsprechend Ihren Prioritäten: von der Verarbeitungsgeschwindigkeit bis zur kompromisslosen Imaging-Qualität

Es wurde bereits eine Reihe verschiedener Dekonvolutionsalgorithmen entwickelt. Einige Methoden arbeiten schnell und reichen bei Systemen mit geringer Unschärfe aus. Systeme mit stärkerer Unschärfe verlangen dagegen nach komplexeren Algorithmen, die deutlich mehr Rechnerkapazität und Zeit in Anspruch nehmen. Diese Algorithmen können auch schwierigere Probleme beheben und liefern überragende Bildergebnisse, doch die Verarbeitungsdauer ist manchmal ein zu großes Hindernis. Das ZEN Deconvolution Toolkit enthält eine Sammlung von Algorithmen, aus der Sie die jeweils beste Alternative für Ihre individuellen Versuchs- und Nachbearbeitungsanforderungen auswählen können.

Verbessern Sie Bilder aus verschiedenen Imaging-Systemen
Verbessern Sie Bilder aus verschiedenen Imaging-Systemen

Verbessern Sie Bilder aus verschiedenen Imaging-Systemen

Dekonvolution – ein Hilfsmittel nicht nur für die Weitfeldmikroskopie

Dekonvolution gilt üblicherweise als Hilfsmittel für die Weitfeld-Fluoreszenzmikroskopie, doch Unschärfe tritt aufgrund optischer und elektronischer Bauteile bei allen Imaging-Systemen auf. Konventionelles Weitfeld, Apotome, LSM-System oder Lattice Lightsheet 7 – alle diese Imaging-Systeme können von einer Einbindung der Dekonvolution in Ihre Workflows für die Bildverarbeitung profitieren. Für die einzelnen Imaging-Systeme werden jeweils eigene Algorithmen empfohlen, um optimale Ergebnisse zu erzielen.

Anwenderfreundlich und für Höchstleistungen optimiert
Anwenderfreundlich und für Höchstleistungen optimiert

Anwenderfreundlich und für Höchstleistungen optimiert

Verbesserte Funktionen automatisieren Ihren Workflow

Die Algorithmen im Deconvolution Toolkit wurden mit Blick auf überragende Anwenderfreundlichkeit und hohe Leistung optimiert. ZEN liest die Metadaten des Bilds aus und ermittelt automatisch die Punktverwaschungsfunktion (Point Spread Function, PSF) des optischen Systems, um die optimalen Einstellungen für die Dekonvolution festzulegen. Die Algorithmen werden per GPU- oder sogar mGPU-Verarbeitung um mehr als das Zehnfache beschleunigt. Um die Ergebnisse schneller zu erreichen, werden alle Dekonvolutionsalgorithmen während der Bildaufnahme mit ZEN Direct Processing ausgeführt. Der verlustlose Datenkomprimierungsalgorithmus Zstandard (zstd) beschleunigt die ressourcenintensive Verarbeitung zusätzlich.

Bild: U2OS-Zellen mit markierten Mitochondrien (TOM20-mCherry) und Mikrotubuli (Tubulin-GFP) vor und nach der Dekonvolution „Iterativ mit Nebenbedingungen“.

ZEN Deconvolution Toolkit – Grundlagen und Anwendung

Bildinhalt und Bildunschärfe trennen

Die Punktverwaschungsfunktion (PSF)

Die Punktverwaschungsfunktion (PSF) – Warum rauschfreie Bilder physikalisch unmöglich sind

Wird ein Objekt auf Ebene einer einzelnen Wellenlänge beobachtet, ist das Ergebnisbild zwangsläufig unscharf. Das resultierende Unschärfemuster, d. h. die Punktverwaschungsfunktion, ist jedoch bei allen Objekten ähnlich. Bei der Abbildung einer fluoreszierenden Punktquelle lässt sich dies direkt beobachten. 


 

Die Punktverwaschungsfunktion (PSF)

Warum rauschfreie Bilder physikalisch unmöglich sind

Wird ein Objekt auf Ebene einer einzelnen Wellenlänge beobachtet, ist das Ergebnisbild zwangsläufig unscharf. Das resultierende Unschärfemuster, d. h. die Punktverwaschungsfunktion, ist jedoch bei allen Objekten ähnlich. Bei der Abbildung einer fluoreszierenden Punktquelle lässt sich dies direkt beobachten. 

Dekonvolutionsprinzip

Dekonvolutionsprinzip – Anwendung der PSF auf digitale Bilder

Die Konvolution ist eine mathematische Operation, bei der eine Funktion durch eine andere Funktion moduliert wird. Die Bildunschärfe ist praktisch die Konvolution der realen Objekte durch die PSF. Glücklicherweise kann dieser mathematische Prozess umgekehrt werden – und genau das passiert bei der Dekonvolution. Durch die Konvolution des unscharfen Bilds mit der Umkehrung der PSF entsteht ein entrauschtes Bild.

Was ist Dekonvolution?

Anwendung der PSF auf digitale Bilder

Die Konvolution ist eine mathematische Operation, bei der eine Funktion durch eine andere Funktion moduliert wird. Die Bildunschärfe ist praktisch die Konvolution der realen Objekte durch die PSF. Glücklicherweise kann dieser mathematische Prozess umgekehrt werden – und genau das passiert bei der Dekonvolution. Durch die Konvolution des unscharfen Bilds mit der Umkehrung der PSF entsteht ein entrauschtes Bild.

Dekonvolutionsprinzip

Feinabstimmung der Dekonvolution – Für fortgeschrittene Nutzer

Für eine Dekonvolution in höchster Qualität werden umfassendere Informationen zur exakten PSF Ihres Systems benötigt, einschließlich der Probenpräparation. Mit ZEN können Sie eine eigene Versuchs-PSF eingeben und die optischen Parameter und die PSF anhand verschiedener Angaben feinabstimmen, darunter Probeneinbettungsmedium, Deckglasdicke, PSF-Tiefenvarianz und viele weitere Parameter.

Feinabstimmung der Dekonvolution

Für fortgeschrittene Nutzer

Für eine Dekonvolution in höchster Qualität werden umfassendere Informationen zur exakten PSF Ihres Systems benötigt, einschließlich der Probenpräparation. Mit ZEN können Sie eine eigene Versuchs-PSF eingeben und die optischen Parameter und die PSF anhand verschiedener Angaben feinabstimmen, darunter Probeneinbettungsmedium, Deckglasdicke, PSF-Tiefenvarianz und viele weitere Parameter.
 

Worin unterscheiden sich Dekonvolutionsmethoden?

Die grundlegenden Prozesse der Konvolution und Dekonvolution im Kontext der Bildunschärfe und der PSF sind der Schlüssel zum Verständnis der Dekonvolutionsalgorithmen. Jeder Dekonvolutionsalgorithmus in ZEN nutzt bestimmte Varianten davon.
Einfache Algorithmen wie Unschärfeausgleich oder Nearest Neighbor subtrahieren eine mit der PSF erzeugte Bildunschärfe vom Rohbild.
Die Umkehrfiltermethode wendet die PSF-Umkehrfunktion direkt an. Iterative Methoden wenden die PSF-Vorwärtsfunktion an, um sich dem Rohbild anzunähern.

Dekonvolutionsmethode

Algorithmischer Prozess

Anwendung

Geschwindigkeit

Ergebnisqualität

Unschärfeausgleich

Subtraktion der Unschärfe von derselben Bildebene

2D-Datensätze

sehr schnell

mittel (2D)

Nearest Neighbor

Subtraktion der Unschärfe von benachbarten Bildebenen

3D mit begrenzter Ebenenzahl

sehr schnell

niedrig

Umkehrfilter

Anwendung der PSF-Umkehrfunktion

Alle 3D-Ebenen

schnell

mittel

Iterativ schnell (Meinel)

Iterativ, PSF-Vorwärtsfunktion auf das prognostizierte Bild, Fehlerfunktion

Perfekt symmetrische PSFs

mittel

gut

Iterativ schnell (Richardson-Lucy)

Iterativ, PSF-Vorwärtsfunktion, Maximum Likelihood

Asymmetrische PSFs

mittel

gut

Iterativ mit Nebenbedingungen

Iterativ, PSF-Vorwärtsfunktion, Maximum Likelihood (optimiert)

Goldstandard

langsam

sehr gut

Standardeinstellungen und Optionen für die Dekonvolution

Für die gängigsten Imaging-Systeme

Imaging-Modalität

Weitfeld 

Apotome

Konfokal

Lightsheet

Normierung

Auto

Auto

Auto

Auto

Hintergrundkorrektur

aus

aus

aus

aus

Flicker-Korrektur

aus

aus

aus

aus

Zerfallskorrektur

aus

aus

aus

aus

Hot-Pixel-Korrektur

aus

aus

aus

aus

Spezielle Standardeinstellungen für „Iterativ mit Nebenbedingungen“

Stärke

Auto

NA

Auto

Manuell=5

Likelihood

Poisson

NA

Poisson

Poisson

Regularisierung

Nullte Ordnung

NA

Erste Ordnung

Nullte Ordnung

Optimierung

Analytisch

NA

Liniensuche

Analytisch

Erste Schätzung

Input

NA

Mittel

Input

Max. Interaktionen

40

NA

7

40

Automatisches Anhalten (%)

0.1

NA

0.1

0.1

Spezielle Standardeinstellungen für „Iterativ schnell“

Methode

Meinel

NA

Richardson-Lucy

Meinel

Regularisierung

Keine

NA

Keine

Keine

Optimierung

Keine

NA

Keine

Keine

Max. Interaktionen

15

NA

50

15

Automatisches Anhalten (%)

0.1

NA

0.1

0.1

Spezielle Standardeinstellungen für „Regularisierter Umkehrfilter“

Regularisierung

Nullte Ordnung

Nullte Ordnung

Nullte Ordnung

Nullte Ordnung

Downloads

  • ZEN Deconvolution & Direct Processing for Life Science Application

    Dateigröße: 917 KB
  • A Practical Guide of Deconvolution

    Dateigröße: 2 MB

ZEISS Microscopy kontaktieren

Kontakt

Formular wird geladen ...

/ 4
Nächster Schritt:
  • Schritt 1
  • Schritt 2
  • Schritt 3
Kontaktieren Sie uns
Erforderliche Angaben
Optionale Angaben

Weitere Informationen über die Datenverarbeitung bei ZEISS entnehmen Sie bitte unserem Datenschutzhinweis.