Una nueva investigación proporciona a los científicos que observan moléculas individuales o en el espacio profundo una forma más precisa de analizar los datos de imágenes capturados por microscopios. telescopios y otros dispositivos.

El método mejorado para determinar la posición de los objetos capturados por los sistemas de imágenes es el resultado de una nueva investigación realizada por científicos de la Universidad de Chicago. Los resultados, publicado el 26 de diciembre en procedimientos de la Academia Nacional de Ciencias , proporciona un mecanismo, conocido como función de relleno interior de un solo píxel, o SPIFF:para detectar y corregir errores sistemáticos en el análisis de datos e imágenes que se utilizan en muchas áreas de la ciencia y la ingeniería.

"Cualquiera que trabaje con datos de imágenes en objetos diminutos, u objetos que parecen diminutos, que quiera determinar y rastrear sus posiciones en el tiempo y el espacio, se beneficiará del método de función de relleno interior de un solo píxel, "dijo el co-investigador principal Norbert Scherer, un profesor de química de UChicago.

Investigadores de todas las ciencias usan imágenes para aprender sobre objetos en escalas que van desde las muy pequeñas, como nanómetros, a los muy grandes, como escalas astrofísicas. Su trabajo a menudo incluye el seguimiento del movimiento de dichos objetos para conocer su comportamiento y propiedades.

Muchos sistemas de imágenes y detectores basados ​​en imágenes están formados por píxeles, como con un teléfono celular de megapíxeles. El llamado seguimiento de partículas permite a los investigadores determinar la posición de un objeto hasta un solo píxel e incluso explorar la localización de subpíxeles con una precisión superior a una décima parte de un píxel. Con la resolución de un microscopio óptico de aproximadamente 250 nanómetros y un tamaño de píxel efectivo de aproximadamente 80 nanómetros, el seguimiento de partículas permite a los investigadores localizar el centro o la ubicación de un objeto en unos pocos nanómetros, siempre que se midan suficientes fotones.

Pero tal resolución de subpíxeles depende de algoritmos para estimar la posición de los objetos y sus trayectorias. El uso de dichos algoritmos a menudo da como resultado errores de precisión y exactitud debido a factores como objetos cercanos o superpuestos en la imagen y ruido de fondo.

SPIFF puede corregir los errores con pocos costos computacionales adicionales, según Scherer. "Hasta este trabajo, no había formas sencillas de determinar si el seguimiento y la localización de subpíxeles eran precisos y corregir el error si no lo era, " él dijo.

Aplicable a muchas disciplinas

"Analizar una imagen para obtener una estimación aproximada de la posición de un objeto no es demasiado difícil, pero hacer un uso óptimo de toda la información de una imagen para obtener la mejor información de seguimiento posible puede ser un verdadero desafío, "dijo David Grier, profesor de física en la Universidad de Nueva York, que no participó en la investigación. "Dado lo mucho que ha penetrado la física el seguimiento de partículas basado en imágenes, química, biología y muchas disciplinas de la ingeniería, este método debería adoptarse ampliamente ".

El análisis de datos de subpíxeles puede estar sesgado por características sutiles del proceso de formación de imágenes, según Grier, y estos sesgos pueden cambiar la posición aparente de una trayectoria hasta en medio píxel con respecto a su posición real. "Para mediciones sensibles de procesos físicos delicados, eso es un desastre, "Grier dijo.

"El método descrito en el artículo de PNAS, sin embargo, explica cómo detectar estos sesgos y cómo corregirlos, ayudando así a confirmar que la información de seguimiento es confiable, "añadió.

La investigación descrita en el documento aplicó SPIFF a datos experimentales sobre sólidos (es decir, esferas coloidales) suspendidas en un líquido, pero los investigadores ahora han aplicado su método a muchos otros conjuntos de datos, incluidas las características a nanoescala de las células (por ejemplo, vesículas), nanopartículas metálicas e incluso moléculas individuales, Scherer dijo:agregando que el método SPIFF es aplicable a todos los algoritmos de seguimiento.

"Creemos que SPIFF será importante para muchos estudios en biología y nanociencia y, aunque no hemos trabajado con imágenes de telescopios, SPIFF incluso podría ayudar a determinar y corregir errores en los datos de seguimiento de estrellas, "Dijo Scherer.