High-resolution scanning fluorescence imaging through scattering via speckle replica alignment and variance computation

Titolo: Imaging a fluorescenza ad alta risoluzione attraverso mezzi diffusivi tramite allineamento di repliche di speckle e calcolo della varianza

1. Il Problema

L'imaging a fluorescenza è uno strumento diagnostico fondamentale in biomedicina, ma la sua applicazione in profondità all'interno di campioni biologici è fortemente limitata dalla diffusione (scattering) della luce. I tessuti biologici agiscono come mezzi disordinati che causano aberrazioni e trasformano il fronte d'onda in un pattern di "speckle" casuale, degradando drasticamente la risoluzione e il contrasto dell'immagine.
Le tecniche convenzionali, come l'ottica adattiva, la microscopia confocale o quella multifotone, affrontano il problema ma rimangono limitate in presenza di scattering forte. Metodi computazionali basati sulle correlazioni di speckle (come l'autocorrelazione) hanno mostrato promesse, ma spesso richiedono un numero elevato di grani di speckle, dipendono da procedure di recupero di fase iterative (che sono mal poste, sensibili al rumore e non garantiscono la convergenza per oggetti complessi) e sono incompatibili con le modalità di fluorescenza non lineare dove la funzione di trasferimento (PSF) non è fissa.

2. Metodologia

Gli autori propongono un metodo computazionale che recupera immagini ad alta risoluzione da pattern di speckle generati da illuminazioni casuali sconosciute, valido sia per la fluorescenza lineare (1P) che non lineare (2P). Il metodo non richiede modellazione del fronte d'onda (wavefront shaping) né guide stars.

Il processo si articola in quattro fasi principali:

1. Divisione in Sottoregioni (Subimages): L'insieme di dati di speckle acquisiti viene diviso in una serie di sottoregioni parzialmente sovrapposte. La dimensione di queste sottoregioni è stimata in base alle dimensioni approssimative dell'oggetto (tramite analisi di autocorrelazione).
2. Allineamento basato su Correlazione Incrociata: Viene selezionata una sottoregione di riferimento. Le altre sottoregioni vengono allineate iterativamente al riferimento calcolando la correlazione incrociata normalizzata per determinare lo spostamento spaziale ottimale. Le sottoregioni allineate vengono sommate per aggiornare il riferimento, creando un set di dati perfettamente sovrapposto di "repliche" dell'oggetto.
3. Calcolo della Varianza Pixel per Pixel: Una volta allineate, viene calcolata la varianza statistica tra le repliche allineate. Questo passaggio è cruciale: sfrutta le fluttuazioni temporali del segnale di fluorescenza (simile alla tecnica SOFI - Super-resolution Optical Fluctuation Imaging) per sopprimere il rumore di fondo e le repliche deboli non correlate, evidenziando le strutture coerenti dell'oggetto.
4. Deconvoluzione Duale: L'immagine intermedia ottenuta dalla varianza viene sottoposta a un processo di deconvoluzione duale rispetto al dataset di input originale. Questo passo aggrega le informazioni dalle multiple repliche per migliorare ulteriormente la qualità e la risoluzione finale, superando i limiti della sola varianza in condizioni sperimentali reali con dati limitati.

Adattamento alle modalità:

• Fluorescenza 1P (Lineare): L'illuminazione è modulata casualmente. Poiché l'emissione è lineare, il dataset di input per l'algoritmo è la varianza pixel per pixel delle immagini grezze.
• Fluorescenza 2P (Non Lineare): L'eccitazione è quadratica rispetto all'intensità. In questo caso, le immagini grezze di speckle (acquisite con un rivelatore a singolo pixel, PMT, mentre lo speckle viene scansionato) servono direttamente come dataset di input, sfruttando l'alto contrasto dello speckle non lineare.

3. Risultati Chiave

Gli autori hanno validato il metodo sperimentalmente in due configurazioni:

• Imaging 1P: Utilizzando microsfere fluorescenti illuminate da un laser CW con pattern di fase casuali generati da un SLM (Spatial Light Modulator) e rilevate tramite una camera sCMOS. Il metodo ha ricostruito immagini ad alta risoluzione che corrispondono fedelmente all'immagine "ground truth" ottenuta senza mezzo diffusivo.
• Imaging 2P: Utilizzando un laser a impulsi femtosecondi e un rivelatore PMT. Anche in questo regime non lineare, il metodo ha permesso di ricostruire oggetti complessi attraverso uno strato diffusivo.
• Confronto con altre tecniche:
  • Il metodo supera le tecniche di somma incoerente e le tecniche SOFI di ordine superiore (fino al 4° ordine) in termini di risoluzione e dettaglio.
  • Simulazioni numeriche dimostrano che il metodo è più robusto e garantisce una migliore convergenza rispetto alle tecniche basate sull'autocorrelazione e sul recupero di fase, specialmente per oggetti complessi e meno sparsi.
  • La risoluzione ottenuta supera il limite di diffrazione grazie all'uso delle correlazioni di ordine superiore intrinseche alle fluttuazioni di speckle.

4. Contributi Principali

1. Versatilità Modale: È il primo approccio computazionale che funziona seamless (senza soluzione di continuità) sia per la fluorescenza lineare (1P) che non lineare (2P), superando la limitazione delle tecniche precedenti che spesso falliscono nel regime non lineare.
2. Indipendenza dal Recupero di Fase: Elimina la necessità di algoritmi di recupero di fase iterativi, che sono computazionalmente costosi e instabili, sostituendoli con un allineamento basato su correlazione e calcolo statistico (varianza).
3. Sfruttamento delle Repliche Intrinseche: Sfrutta intelligentemente il fatto che ogni immagine di speckle contiene multiple repliche dell'oggetto nascosto. Invece di tentare di isolare una singola replica (difficile), il metodo allinea e combina statisticamente tutte le repliche per estrarre l'informazione strutturale.
4. Algoritmo Ibrido: L'introduzione della "deconvoluzione duale" dopo il calcolo della varianza permette di raggiungere una risoluzione ottimale anche con un numero limitato di frame acquisiti, un vantaggio pratico significativo rispetto alle tecniche puramente statistiche.

5. Significato e Implicazioni

Questo lavoro rappresenta un passo avanti significativo nell'imaging computazionale attraverso mezzi complessi. Dimostra che è possibile ottenere imaging ad alta risoluzione in profondità senza la necessità di sistemi ottici complessi per la correzione del fronte d'onda o di guide stars.
La capacità di operare sia in regime lineare che non lineare apre nuove possibilità per l'imaging biologico profondo, permettendo di visualizzare strutture cellulari e tessuti con risoluzione superiore a quella ottenibile con la microscopia convenzionale attraverso tessuti opachi. Il metodo è potenzialmente estendibile ad altre modalità (es. fluorescenza a 3 fotoni) e offre una soluzione robusta, veloce e priva di modelli per la diagnostica in ambienti di scattering elevato.