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

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 형광 현미경은 생물의학 연구에 필수적이지만, 생체 조직과 같은 불균질한 매질을 통과하는 빛은 산란 (scattering) 과 수차 (aberration) 를 겪게 됩니다.
• 문제: 기존 고해상도 이미징 기술 (적응 광학, 공초점, 다중 광자 이미징 등) 은 강한 산란 환경에서 성능이 제한됩니다.
• 기존 방법의 한계:
  • 파면 제어 (Wavefront shaping): 공간 광 변조기 (SLM) 등을 사용하여 초점을 형성하거나 보정하는 방식은 복잡하고, 비선형 형광 (2P 등) 에 적용하기 어렵거나 계산 비용이 큽니다.
  • 계산적 이미지 복원 (Autocorrelation 기반): 단일 스펙클 이미지의 자기상관 (autocorrelation) 을 이용하는 방식은 고해상도 복원을 위해 많은 스펙클 입자가 필요하며, 복잡한 물체에 대해서는 위상 복원 (phase retrieval) 과정이 불안정하고 수렴이 보장되지 않는 문제가 있습니다.
  • 비선형 형광의 부재: 기존의 무작위 조명 기반 계산 이미징 방법들은 대부분 선형 (1P) 형광에 국한되어 있어, 2 광자 (2P) 와 같은 비선형 형광 모달리티에는 적용이 어렵습니다.

2. 제안된 방법론 (Methodology)

저자들은 알려지지 않은 무작위 조명 하에서 스펙클 패턴을 이용하여 고해상도 이미지를 복원하는 새로운 계산적 프레임워크를 제안했습니다. 이 방법은 선형 (1P) 및 비선형 (2P) 형광 모두에 적용 가능합니다.

핵심 원리: 스펙클 복제 정렬 및 분산 계산

이미지 형성 모델은 산란 매질을 통과한 빛이 물체의 여러 개의 '복제본 (replicas)'을 무작위로 분산시켜 카메라에 맺히는 것으로 설명됩니다. 제안된 알고리즘은 다음과 같은 4 단계로 구성됩니다:

1. 서브이미지 분할 (Subimage Division): 획득한 스펙클 이미지 데이터를 물체의 예상 크기에 기반하여 부분적으로 겹치는 여러 개의 서브이미지로 나눕니다. 각 서브이미지에는 물체의 일부 복제본이 포함되어 있습니다.
2. 상관 기반 정렬 (Cross-correlation Alignment):
   • 하나의 서브이미지를 기준 (Reference) 으로 설정합니다.
   • 나머지 서브이미지들과의 정규화된 교차 상관 (Cross-correlation) 을 계산하여 공간적 이동량 (shift) 을 추정합니다.
   • 추정된 이동량을 기반으로 서브이미지를 정렬하고, 기준 이미지를 업데이트하며 반복하여 모든 복제본을 정밀하게 겹치게 (align) 만듭니다.
3. 픽셀 단위 분산 계산 (Pixel-wise Variance Computation):
   • 정렬된 서브이미지들의 시퀀스에서 픽셀 단위의 분산 (Variance) 을 계산합니다.
   • 원리: 물체의 구조적 특징은 정렬된 복제본들 사이에서 일관되게 존재하지만, 배경 잡음이나 약한 복제본들은 무작위적으로 분포합니다. 분산 계산은 일관된 신호를 증폭하고 무작위 잡음을 억제하여 초해상도 (Super-resolution) 효과를 얻습니다. 이는 광학 요동 이미징 (SOFI) 과 개념적으로 유사합니다.
4. 이중 디컨볼루션 (Dual-deconvolution):
   • 분산 계산으로 얻은 중간 이미지와 원래 입력 데이터셋 사이에서 이중 디컨볼루션을 수행하여 최종 고해상도 이미지를 복원합니다. 이 단계는 제한된 데이터 조건에서도 최적의 해상도를 달성하는 데 도움을 줍니다.

1P 및 2P 형광 적용 차이

• 1P (선형): 카메라 기반 검출. 조명 강도에 비례하여 형광이 발생하므로, 원시 데이터의 픽셀 단위 분산을 먼저 계산하여 입력 데이터셋으로 사용합니다.
• 2P (비선형): 단일 픽셀 검출기 (PMT) 기반 스캐닝. 2 광자 여기는 조명 강도의 제곱에 비례하므로, 원시 스펙클 이미지 프레임 자체를 직접 입력 데이터로 사용하여 서브이미지로 분할합니다.

3. 주요 기여 (Key Contributions)

1. 모달리티 무관성 (Modality-Agnostic): 선형 (1P) 과 비선형 (2P) 형광 이미징 모두에 동일한 계산 프레임워크를 적용하여 고해상도 복원을 가능하게 했습니다.
2. 위상 복원 불필요: 기존의 자기상관 기반 방법들이 직면한 위상 복원 (ill-posed problem) 의 어려움과 수렴 불확실성을 우회합니다.
3. 복잡한 물체 복원 능력: 위상 복원 없이도 복잡한 구조의 물체를 고해상도로 복원할 수 있음을 시뮬레이션과 실험을 통해 입증했습니다.
4. 고해상도 메커니즘: 정렬된 복제본들의 분산 계산을 통해 기존 비간섭 합성 (incoherent summation) 보다 높은 해상도를 달성함을 증명했습니다.

4. 실험 결과 (Results)

• 실험 설정:
  • 1P 실험: 형광 비드를 샘플로 사용, SLM 을 통해 무작위 위상 패턴 생성, 산란 층 뒤에서 sCMOS 카메라로 촬영.
  • 2P 실험: 펄스 레이저와 회전 디퓨저를 사용하여 무작위 스펙클 조명 생성, 갈보 미러로 스캐닝, PMT 로 신호 검출.
• 성능:
  • 이미지 품질: 산란 매질을 통과한 후에도 원본 (Ground Truth) 과 매우 유사한 고해상도 이미지를 복원했습니다 (Fig. 2, Fig. 3).
  • 해상도 향상: Fig. 4 에서 보듯, 단순 비간섭 합성 (Incoherent Sum) 에 비해 제안된 방법 (고차 분산 계산 + 디컨볼루션) 이 훨씬 더 미세한 구조를 분해할 수 있음을 확인했습니다.
  • 수렴성: 기존 자기상관 기반 위상 복원 방법보다 복잡한 물체에 대해 더 안정적이고 빠르게 수렴하는 것을 수치 시뮬레이션 (Fig. 6) 을 통해 입증했습니다.

5. 의의 및 결론 (Significance)

• 기술적 의의: 이 연구는 파면 제어 (wavefront shaping) 나 가이드 스타 (guide star) 없이도, 산란 매질을 통과하는 빛의 고유한 상관관계 (speckle correlations) 만을 활용하여 선형 및 비선형 형광 이미징의 한계를 극복하는 강력한 계산적 도구를 제시했습니다.
• 응용 가능성: 생체 조직 깊은 곳 (Deep tissue) 의 고해상도 이미징, 3 광자 (3P) 이미징 등 다른 비선형 모달리티로의 확장 가능성이 열렸습니다.
• 미래 전망: 복잡한 산란 환경에서 공간적으로 비간섭적인 빛을 이용한 새로운 계산 이미징 및 센싱 응용 분야를 개척할 것으로 기대됩니다.

요약하자면, 이 논문은 스펙클 복제 정렬과 분산 계산을 결합한 새로운 알고리즘을 통해, 기존 방법들의 한계를 넘어 선형 및 비선형 형광 이미징 모두에서 산란 매질을 투과하여 고해상도 이미지를 복원하는 획기적인 방법을 제시했습니다.