Superresolution imaging across scales

In de wereld van het zien van het zeer kleine staat er een hardnekkige muur die al meer dan een eeuw standhoudt. Het wordt de diffractielimiet genoemd, een fundamentele natuurkundige regel die stelt dat licht niet gefocust kan worden tot een punt dat kleiner is dan een bepaalde omvang. Stel je voor dat je probeert twee letters te lezen die zo dicht bij elkaar zijn gedrukt dat hun wazige randen samensmelten tot één onduidelijke vlek. Hoe krachtig de lens ook is, als de lichtgolven van de twee bronnen te veel overlappen, vervagen ze tot één geheel, en ziet het oog of de camera slechts één object. Decennialang accepteerden wetenschappers dit als een onbreekbare barrière. Ze ontwikkelden slimme manieren om eromheen te werken, maar het kernprobleem bleef: wanneer twee minuscule lichtbronnen te dicht bij elkaar staan, wordt hun gecombineerde gloed een vlakke, kenmerkloze heuvel, die geen enkel spoor geeft dat er twee afzonderlijke dingen onder verborgen liggen.

Deze barrière staat bekend als de Sparrow-limiet. Het is vernoemd naar een specifieke conditie waarbij de inkeping tussen twee lichtbronnen volledig verdwijnt, waardoor er een perfect plat bovendeel ontstaat op de gecombineerde gloed. Op dit exacte moment worden de twee bronnen statistisch ononderscheidbaar; het licht van de één versmelt zo perfect met het licht van de ander dat ze als één enkele emitter verschijnen. Lange tijd werd dit beschouwd als het absolute punt van geen terugkeer voor optische beeldvorming. Als je geen inkeping kon zien, kon je ook niet twee dingen zien. Echter, een nieuwe studie suggiept dat deze limiet geen natuurwet is, maar eerder een beperking van de manier waarop we de data bekijken. Door een specifieke wiskundige techniek toe te passen op de ruwe getallen die door een camera worden vastgelegd, hebben onderzoekers aangetoond dat het mogelijk is om twee bronnen uit elkaar te trekken, zelfs wanneer hun licht is samengesmolten tot één enkele, platte piek.

De onderzoekers, een team van wetenschappers van universiteiten en instituten uit Uruguay, Cuba, Mexico en het Verenigd Koninkrijk, zetten zich af om te bewijzen dat een methode genaamd MeanShift deze barrière kon doorbreken. Ze richtten zich op een techniek die bekend staat als MeanShift SuperResolution, of MSSR. Om te begrijpen wat ze deden, kun je een landschap van heuvels en valleien voorstellen die de helderheid van een afbeelding representeren. In een standaardfoto van twee zeer dicht bij elkaar gelegen lichtbronnen bij de Sparrow-limiet is het landschap tussen hen een plat plateau. De MeanShift-methode werkt als een slimme gids die naar elk punt op dit landschap kijkt en een eenvoudige vraag stelt: "Waar wordt het licht dichter?" Vervolgens verschuift die methode het punt iets naar het gebied met de hoogste dichtheid. Wanneer dit proces wordt toegepast op het platte plateau tussen twee samengevloeide lichten, gebeurt er iets verrassends. Het algoritme maakt de afbeelding niet alleen gladder; het vormt de afbeelding actief om. Het duwt het licht weg van het centrum van de platte plek en concentreert het naar de zijkanten, waardoor er effectief een nieuwe vallei wordt uitgesneden waar die voorheen niet was.

Het team leverde het eerste strikte wiskundige bewijs dat deze herstructurering geen toeval of een trucje van de computer is, maar een voorspelbare uitkomst van de wiskunde. Ze demonstreerden dat voor twee lichtbronnen die gemodelleerd zijn als gladde, klokvormige curves, het punt waarop ze ononderscheidbaar worden, optreedt wanneer ze gescheiden zijn door exact twee keer een specifieke maat van hun breedte. Op deze exacte afstand is het gecombineerde lichtprofiel perfect plat. De onderzoekers toonden vervolgens aan dat de MeanShift-vector, die wijst naar de dichtste regio's van licht, een duidelijke piek creëert in het midden van dit platte gebied. Deze piek is de eerste stap in het onthullen van de twee bronnen. Wanneer het volledige MSSR-proces wordt toegepast, keert deze piek om en wordt het een diepe vallei, die de twee bronnen scheidt en ze weer als afzonderlijke entiteiten zichtbaar maakt. Dit bewijst dat de limiet geen harde fysieke muur is, maar een kenmerk van de ruwe data dat via berekening kan worden gewijzigd.

Om te waarborgen dat dit niet slechts een theorie was die op papier werkte, testte het team het met echte data uit drie zeer verschillende velden. Ze bestudeerden afbeeldingen van fluorescente puntjes die gebruikt worden in microscopie, patronen gecreëerd door lasers op een chip, en afbeeldingen van sterren aan de nachthemel. In elk geval werkte de methode. In de microscopische afbeeldingen konden ze fluorescente puntjes onderscheiden die gescheiden waren door afstanden waar traditionele camera's slechts een waas zagen. Ze pasten de techniek ook toe op röntgenspectroscopie, een methode die wordt gebruikt om elementen te identificeren aan de hand van de energie die zij uitstralen. Hier is de "afstand" niet de fysieke ruimte, maar het verschil in energie. Het team slaagde erin de overlappende energiepieken van molybdeen en zwavel te scheiden, die normaal gesproken zo dicht bij elkaar liggen dat ze in de data als één enkele heuvel verschijnen. Door dezelfde wiskundige logica te gebruiken, waren ze in staat deze heuvels te splitsen en de twee elementen duidelijk te identificeren.

De studie vergeleek deze nieuwe aanpak ook met andere geavanceerde methoden die worden gebruikt om het kleine te zien. Ze testten hun techniek tegen gevestigde algoritmen zoals de Lucy-Richardson deconvolutie en andere algoritmen die ontworpen zijn om afbeeldingen te verscherpen. De resultaten toonden aan dat hoewel sommige oudere methoden een lichte inkeping tussen de bronnen konden creëren, de MeanShift-aanpak veel effectiever was in het creëren van een duidelijke scheiding, zelfs wanneer de bronnen zich op de uiterste grens bevonden van wat als mogelijk werd beschouwd. Het team stelde vast dat het succes van de methode afhangt van een specifieke instelling, een radius die bepaalt hoe ver het algoritme kijkt om de dichtste lichtbron te vinden. Ze berekenden dat zolang deze radius onder een bepaalde drempelwaarde blijft in verhouding tot de grootte van de lichtbron, de methode altijd zal slagen in het onthullen van de verborgen scheiding.

Wat dit onderzoek zo belangrijk maakt, is dat het het gesprek verandert over wat er mogelijk is in de beeldvorming. Jarenlang lag de focus op het bouwen van betere lenzen of het gebruik van complexere optische opstellingen om meer informatie te vangen. Dit werk laat zien dat de informatie er al is, verborgen binnen de statistische ruis van de afbeelding, wachtend om te worden ontsloten door de juiste wiskundige sleutel. De onderzoekers hoefden de microscoop of de telescoop niet te veranderen; ze veranderden simpelweg de manier waarop de data werd verwerkt nadat deze was vastgelegd. Door te bewijzen dat de Sparrow-limiet kan worden doorbroken met behulp van een enkele afbeelding en een specifieke berekening, hebben ze een deur geopend naar het zien van fijnere details in de biologie, astronomie en materiaalkunde zonder de noodzaak van dure nieuwe hardware. De muur van de diffractielimiet blijft bestaan voor het ruwe licht, maar de muur van de Sparrow-limiet is aangetoond doorlaatbaar te zijn, waardoor we de twee afzonderlijke bronnen kunnen zien die in het volle zicht verborgen lagen.