蛍光なしで可能になった超解像顕微鏡

ビデオ: 蛍光なしで可能になった超解像顕微鏡

Отличия серверных жестких дисков от десктопных
ビデオ: 顕微鏡 [超解像蛍光顕微鏡] (17G080784) 2023, 2月
蛍光なしで可能になった超解像顕微鏡
蛍光なしで可能になった超解像顕微鏡
Anonim
Image
Image

物理学者は、回折限界を超える解像度で物体の2次元画像を取得することに成功しました。既存の手法とは異なり、著者によってテストされたスキームは、あらゆるオブジェクトに適しており、それらと直接接触する必要はありません。これは、天文学における遠方のオブジェクトの研究や生物学における非侵襲的測定にとって非常に重要です。作品のプレプリントはarXiv.orgで公開されています。

顕微鏡は、研究者にとって最も人気があり有益なツールの1つです。残念ながら、光学顕微鏡の最大分解能は200ナノメートルを超えておらず、そのポイントは既存のデバイスの欠陥ではなく、回折限界と呼ばれる基本的な理論上の限界にあります。従来の顕微鏡で得られる画像の品質は、レンズがどれだけ光を集めることができるかに依存します(この特性は開口数によって特徴付けられます)。 2つのオブジェクト間の距離が十分に小さい場合、顕微鏡内のそれらの画像は、開口数の値が高い場合でもマージされます。場合によっては、開口数を大きくするために、物体と対物レンズの間の空間に、空気よりも屈折率の高い液体が充填されます。これは、液浸顕微鏡と呼ばれる手法です。

科学者たちは、画像を取得するまったく新しい方法の開発のおかげで、回折限界を回避することができました-表面で直接物体をスキャンする(近接場顕微鏡法)か、蛍光放射を使用する(たとえば、STED顕微鏡法)。高解像度にもかかわらず、どちらの方法もすべてのオブジェクトに適しているとは言えません。近接場顕微鏡で使用されるプローブをその近くに配置できるか、このオブジェクトが特定の波長で蛍光を発する必要があります。 2番目のケースでは、生物学では、サンプルの目的の部分に「縫い付け」られた特別な蛍光ラベルが使用され、これらのラベルからの放射線が研究されます。天文学や生物学的構造の非侵襲的研究に適用できる方法がないことは明らかです。

光学範囲の画像を取得するための普遍的な方法の開発における重要なステップは、遠方場での回折限界を破る可能性に関する理論的研究でした。アレクサンダー・リボフスキー(アレックス・リボフスキー)のリーダーシップの下、オックスフォード大学の科学者たちは、このアイデアを開発し、実践することに成功しました。著者らは、超高解像度画像を取得するための光学スキームを組み立て、入射する放射線の強度だけでなく、光学モードの空間相関も測定しました。得られた結果は、カメラでの直接画像取得の標準的な方法だけでなく、画像の後処理を追加した同じ方法も上回りました(ちなみに、最近のスマートフォンでは、画像の品質を向上させるために同様のアルゴリズムが使用されています)。

Image
Image

実験セットアップ図

複雑なオブジェクトに関する情報を抽出する1つの方法は、それをいくつかの既知のコンポーネントに投影し、それぞれの寄与を確認することです。光ビームの場合、エルミート-ガウス基底の展開がよく使用されます。任意の画像を一連の光学モードに分解し、それぞれの寄与を測定して、初期画像を再構成することができます。このようなトリックを実装するために、著者は最初のレーザービームを2つに分割しました。1つはオブジェクトに直接送られ、もう1つは空間光変調器(SLM)に送られました。彼は、光を変調し、任意のビーム形状を作成する方法、つまり、空間モードに基づくベクトルを生成する方法を知っています。変換後(オブジェクトからの反射または変調による)、両方の発散したビームは、ヘテロダイン検出のためにビームスプリッターで再び合流します。これにより、オブジェクトからの光ビームを空間変調器からのモードの1つに「投影」し、信号ビームの強度だけでなくその位相も監視することが可能になります。検出器から得られる光電流は、信号ビームと特定の空間モードとの相互作用に関する必要な情報を伝達します。

Image
Image

(a)大学のロゴの実際の画像、(b)著者が開発した手法を使用して取得した画像、(c)カメラを使用した標準的な方法を使用して取得した画像

Image
Image

インタラクティブなデコンボリューションアルゴリズムによる追加の後処理後のカメラ画像

実験の次の段階は、検出器から受信したデータのデコードに専念しました。著者らは、機械学習を使用して、画像を21の空間モードに投影した後の光電流の分布を最終的な画像に変換しました。それぞれ6000ニューロンの2つの隠れ層で構成されるニューラルネットワークは、ランダムな画像と単純な幾何学的形状でトレーニングされました。その目標は、最終的な画像をオブジェクトの実際の画像ではなく、理想的な空間モードで作成された画像に調整することです。したがって、系統的なエラーや設置ノイズを中和することができました。ニューラルネットワークのトレーニングは、個々の画像ごとではなく、特定の光学スキームに対して実行する必要があることが重要です。

Image
Image

画質を定量化するためのテストサンプル:(a)異なる距離にある2本の平行線の真の画像、(b)新技術からの画像、(c)カメラ。 (d)2本の平行線の解像度のエルミート-ガウスモードの数への依存性。カメラの制限は黒で示され、著者のスキームの理論計算は青で示され、実験の結果赤で表示されます。 1ピクセル(px)= 7.56ミクロン

科学者たちは、インスタレーションで取得した大学のロゴの画像を高解像度カメラの画像と比較しました。カメラからの画像の後処理でさえ、同じ品質の画像を取得することはできませんでした。開発された技術の解像度を定量的に特徴づけるために、著者はそれらの間の距離が異なる2本の平行線の画像を比較しました。さらに、彼らは、使用されたモードの数が異なる場合に、ライン間の最小分解可能距離の依存性を取得しました。回折限界を克服するには、すでに5つのモードで十分であり、21では、回折限界の半分の距離の線から画像を取得できます。

エルミートガウス顕微鏡法は、既存の超解像法に代わる、実装が簡単で安価な代替手段であり、その汎用性により、以前はアクセスできなかった領域に到達できます。さらに、開発された方法と既存の方法の組み合わせは、さらに高い解像度につながり、顕微鏡の新しい方向性の開発につながる可能性があります。

近接場顕微鏡用の金色のピラミッド、扇形レンズの研究で、蛍光を使用した超高解像度光学顕微鏡がここまたはここで何ができるかを確認し、回折限界を回避できる最新の方法について学ぶことができますまたはナノレーザーとして機能することができるナノ粒子。

トピックによって人気があります