新しい計算顕微鏡技術は鮮明画像への直接ルート

July, 8, 2024, Pasadena--何百年もの間、顕微鏡の明瞭さと倍率は、光学レンズの物理的特性によって最終的に制限されていた。顕微鏡メーカーは、ますます複雑で高価なレンズ要素のスタックを作成することで、これらの限界を押し広げた。それでも、科学者は、高解像度で視野が狭いか、低解像度で視野が広いかを判断しなければならなかった。

2013年、カリフォルニア工科大学(Caltech)のエンジニアチームは、FPM(フーリエタイコグラフ顕微鏡)と呼ばれる顕微鏡技術を導入した。この技術は、従来の顕微鏡のセンシングと、検出された情報を新しい方法で処理し、より広い領域をカバーするより深く鮮明な画像を作成するコンピュータアルゴリズムを組み合わせた技術である計算顕微鏡法の出現を示した。FPMは、比較的安価な装置で広い視野を維持しながら、サンプルの高解像度画像を取得できることから、その後広く採用されている。

今回、同じラボで、より少ない測定数でボヤケや歪みのない画像を取得できるFPMよりも優れた新しい方法を開発した。Nature Communications誌に掲載された論文で説明されているこの新しい技術は、生物医学画像、デジタル病理学、薬物スクリーニングなどの分野での進歩につながる可能性がある。

APIC(Angular Ptychographic Imaging with Closed-form method)と名付けられた新しい手法は、FPMの最大の弱点、つまり、FPMアルゴリズムが1つまたは複数の最良の推測から始めて、一度に少しずつ調整して「最適な」ソリューションに到達することに依存している点を除いて、FPMのすべての利点を備えている。 これは、必ずしも元の画像に当てはまるとは限らない。

Thomas G. Myers の電気工学、生物工学、医療工学の教授、Heritage Medical Research Institute の研究者である Changhuei Yang のリーダーシップの下、Caltechチームは、アルゴリズムのこの反復的な性質を排除できることに気づいた。

APICは、試行錯誤に頼って解決策を見つけようとするのではなく、線形方程式を解き、顕微鏡の光学系によってもたらされる収差や歪みの詳細を明らかにする。収差がわかれば、システムは収差を補正し、基本的には理想的な収差であるかのように動作し、広い視野をカバーする鮮明な画像を得ることができる。

「顕微鏡が捉えるもの、すでにわかっていること、真に解明する必要があるものをより深く理解できたため、高解像度の複素場の解をクローズドフォームで導き出した。そのため、反復は必要でない。このようにして、サンプルの真の最終詳細を基本的に確認することができる」と、論文の共同筆頭著者で、Yangの研究室の元大学院生、Ruizhi Cao(PhD ’24)はコメントしている。 同氏は、現在はUC Berkeleyのポスドク研究員。

FPMと同様に、顕微鏡で見る光の強度だけでなく、光の進む距離に関わる「位相」という光の重要な性質も測定する。この特性は人間の目には検出されないが、収差を補正するという点で極めて有用な情報が含まれている。APIC論文の共同筆頭著者、Yangの研究室で作業を完了し、現在はAppleのコンピュータビジョンアルゴリズムエンジニアであるCheng Shen(PhD ’23)によると、FPMが試行錯誤の方法に頼ったのは、このフェーズ情報を解くためだった。「われわれは、われわれの手法が分析ソリューションをはるかに簡単な方法で提供することを証明した。より速く、より正確で、光学システムに関する深い洞察を活用している。」

この新しい技術により、位相解析アルゴリズムの反復的な性質が排除されるだけでなく、研究者は顕微鏡の焦点を繰り返し合わせ直すことなく、広い視野にわたって鮮明な画像を収集することができる。FPMでは、サンプルの高さがセクションごとに数十µmでも異なる場合、顕微鏡を使用する人はアルゴリズムを機能させるために焦点を合わせ直す必要がある。これらの計算顕微鏡技術では、100枚以上の低解像度の画像をつなぎ合わせて広い視野をつなぎ合わせることが多いため、APICはプロセスを大幅に高速化し、多くのステップで人為的ミスの発生を防ぐことができる。

「われわれは、収差を補正し、解像度を向上させるためのフレームワークを開発した。この2つの機能は、より幅広いイメージングシステムにとって有益なものとなる可能性がある」とCaoは話している。

Yang によると、APIC の開発は、人工知能 (AI) アプリケーション向けの画像データ入力を最適化するために同氏の研究室が現在取り組んでいる幅広い作業に不可欠である。「最近、私の研究室では、肺ガン患者の単純な組織病理学スライドから転移の進行を予測する際に、AIが専門の病理学者よりも優れていることを示した。その予測能力は、均一に焦点が合った高品質の顕微鏡画像を取得することに大きく依存しており、APICはこれに非常に適している」(Yang)。