Superresolution imaging across scales

Nel mondo della visione del microscopico, esiste un muro ostinato che è rimasto in piedi per oltre un secolo. È chiamato limite di diffrazione, una regola fondamentale della fisica che stabilisce che la luce non può essere focalizzata in un punto più piccolo di una certa dimensione. Immaginate di cercare di leggere due lettere stampate così vicine tra loro che i loro bordi sfocati si fondono in una singola macchia indistinta. Non importa quanto sia potente la lente, se le onde luminose delle due sorgenti si sovrappongono troppo, si confondono e l'occhio o la fotocamera vedono un unico oggetto. Per decenni, gli scienziati hanno accettato questo come una barriera infrangibile. Hanno sviluppato modi ingegnosi per aggirarla, ma il problema centrale rimaneva: quando due minuscole sorgenti di luce sono troppo vicine, il loro bagliore combinato diventa una collina piatta e priva di caratteristiche, che non offre alcun indizio del fatto che sotto si nascondano due cose distinte.

Questa barriera è nota come limite di Sparrow. Prende il nome da una specifica condizione in cui il avvallamento tra due sorgenti luminose scompare interamente, lasciando una cima perfettamente piatta sul bagliore combinato. In quel preciso momento, le due sorgenti diventano statisticamente indistinguibili; la luce di una si fonde così perfettamente con la luce dell'altra che appaiono come un singolo emettitore. Per molto tempo, questo è stato considerato l'assoluto punto di non ritorno per l'imaging ottico. Se non si poteva vedere un avvallamento, non si potevano vedere due cose. Tuttavia, un nuovo studio suggerisce che questo limite non è una legge della natura, ma piuttosto un limite di come scegliamo di guardare i dati. Applicando una specifica tecnica matematica ai numeri grezzi catturati da una fotocamera, i ricercatori hanno dimostrato che è possibile separare due sorgenti anche quando la loro luce si è fusa in un unico picco piatto.

I ricercatori, un team di scienziati provenienti da università e istituti di Uruguay, Cuba, Messico e Regno Unito, si sono posti l'obiettivo di dimostrare che un metodo chiamato MeanShift poteva abbattere questa barriera. Si sono concentrati su una tecnica nota come MeanShift SuperResolution, o MSSR. Per capire cosa hanno fatto, immaginate un paesaggio di colline e valli che rappresentano la luminosità di un'immagine. In una foto standard di due sorgenti luminose molto vicine al limite di Sparrow, il paesaggio tra di esse è un altopiano piatto. Il metodo MeanShift agisce come una guida intelligente che osserva ogni punto di questo paesaggio e pone una domanda semplice: "Dove la luce sta diventando più densa?". Poi sposta quel punto leggermente verso l'area di massima densità. Quando questo processo viene applicato all'altopiano piatto tra due luci fuse, accade qualcosa di sorprendente. L'algoritmo non si limita a levigare l'immagine; la rimodella attivamente. Spinge la luce lontano dal centro della zona piatta e la concentra verso i lati, scavando efficacementmente una nuova valle dove prima non c'era nulla.

Il team ha fornito la prima prova matematica rigorosa che questo rimodellamento non è un incidente o un trucco del computer, ma un risultato prevedibile della matematica. Hanno dimostrato che per due sorgenti luminose modellate come curve lisce a forma di campana, il punto in cui diventano indistinguibili si verifica quando sono separate esattamente il doppio di una specifica misura della loro ampiezza. A questa esatta distanza, il profilo di luce combinata è perfettamente piatto. I ricercatori hanno poi dimostrato che il vettore MeanShift, che punta verso le regioni di luce più densa, crea un picco distinto nel mezzo di questa area piatta. Questo picco è il primo passo per rivelare le due sorgenti. Quando l'intero processo MSSR viene applicato, questo picco si inverte per diventare una profonda valle, separando le due sorgenti e permettendo loro di essere viste nuovamente come entità distinte. Ciò dimostra che il limite non è un muro duro della fisica, ma una caratteristica dei dati grezzi che può essere alterata attraverso il calcolo.

Per garantire che non fosse solo una teoria che funzionava sulla carta, il team ha testato il metodo con dati reali provenienti da tre campi molto diversi. Hanno esaminato immagini di punti fluorescenti utilizzati nella microscopia, pattern creati da laser su un chip e immagini di stelle nel cielo notturno. In ogni caso, il metodo ha funzionato. Nelle immagini microscopiche, riuscivano a distinguere punti fluorescenti che erano separati da distanze in cui le fotocamere tradizionali vedevano solo una sfocatura. Hanno inoltre applicato la tecnica alla spettroscopia a raggi X, un metodo utilizzato per identificare gli elementi in base all'energia della luce che emettono. Qui, la "distanza" non è lo spazio fisico ma la differenza di energia. Il team è riuscito a separare i picchi di energia sovrapposti di molibdeno e zolfo, che normalmente sono così vicini da apparire come un unico rigonfiamento nei dati. Utilizzando la stessa logica matematica, sono stati in grado di dividere questi rigonfiamenti e identificare chiaramente i due elementi.

Lo studio ha anche confrontato questo nuovo approccio con altri metodi avanzati utilizzati per vedere il piccolo. Hanno testato la loro tecnica contro algoritmi consolidati come la deconvoluzione di Lucy-Richardson e altri progettati per nitidizzare le immagini. I risultati hanno mostrato che, mentre alcuni metodi più vecchi potevano creare un leggero avvallamento tra le sorgenti, l'approccio MeanShift era molto più efficace nel creare una chiara separazione, anche quando le sorgenti si trovavano proprio al limite di ciò che si riteneva possibile. Il team ha scoperto che il successo del metodo dipende da un'impostazione specifica, un raggio che determina quanto lontano l'algoritmo guarda per trovare la luce più densa. Hanno calcolato che finché questo raggio viene mantenuto al di sotto di una certa soglia rispetto alla dimensione della sorgente luminosa, il metodo avrà sempre successo nel rivelare la separazione nascosta.

Ciò che rende significativa questa scoperta è che cambia la conversazione su ciò che è possibile nell'imaging. Per anni, l'attenzione si è concentrata sulla costruzione di lenti migliori o sull'uso di configurazioni ottiche più complesse per catturare più informazioni. Questo lavoro dimostra che l'informazione è già lì, nascosta nel rumore statistico dell'immagine, in attesa di essere sbloccata dalla giusta chiave matematica. I ricercatori non hanno avuto bisogno di cambiare il microscopio o il telescopio; hanno semplicemente cambiato il modo in cui i dati vengono elaborati dopo essere stati catturati. Dimostrando che il limite di Sparrow può essere superato utilizzando una singola immagine e un calcolo specifico, hanno aperto una porta per vedere dettagli più fini in biologia, astronomia e scienza dei materiali senza la necessità di nuove attrezzature costose. Il muro del limite di diffrazione rimane per la luce grezza, ma il muro del limite di Sparrow si è dimostrato permeabile, permettendoci di vedere le due sorgenti distinte che si nascondevo in piena vista.