CC BY
41
11. Bykov A.V., Popov A.P, Kinnunen M., Prykari T., Priezzhev A.V., Myllyla R. Skin phantoms with realistic vessel structure for OCT measurements // Proc. SPIE. - 2010. - V. 7376. - P. 73760F-1-73760F-6.
12. Bykov A.V., Popov A.P., Priezzhev A.V., Myllyla R. Multilayer tissue phantoms with embedded capillary system for OCT and DOCT imaging // Proc. SPIE. - 2011. - V. 8091. - P. 80911R-1-80911R-6.
Быков Александр Викторович Волков Михаил Владимирович
Волынский Максим Александрович
Гуров Игорь Петрович
Киннунен Матти Маргарянц Никита Борисович
Попов Алексей Петрович
Университет Оулу, кандидат физ.-мат. наук, исследователь, bykov@ee.oulu.fi
Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, кандидат технических наук, доцент, ph-m.volkov@yandex.ru
Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, кандидат технических наук, доцент, maxim.volynsky@gmail.com
Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, доктор технических наук, профессор, зав. кафедрой, gurov@mail.ifmo.ru Университет Оулу, Финляндия, D.Sc. (Tech.), исследователь, matti.kinnunen@ee.oulu.fi
Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, старший преподаватель, fosp@grv.ifmo.ru
Университет Оулу, кандидат физ.-мат. наук, исследователь, bykov@ee.oulu.fi
УДК 53.086
ФОРМИРОВАНИЕ ГИПЕРСПЕКТРАЛЬНЫХ ДАННЫХ О МИКРООБЪЕКТАХ С ВЫСОКОЙ СТЕПЕНЬЮ ПРОСТРАНСТВЕННОЙ НЕРАВНОМЕРНОСТИ РАСПРЕДЕЛЕНИЯ ОПТИЧЕСКОЙ ПЛОТНОСТИ И.П. Гуров, А.И. Лопатин, А.В. Мельников
Предложен метод формирования гиперспектральных данных о микрообъектах, основанный на освещении наблюдаемого образца в микроскопе последовательно на различных длинах волн и подборе времени накопления фотоэлектрического заряда матричного фотоприемника для каждого участка изображения при изменении длины волны, что позволяет получать информацию без искажений на участках с малым и сильным отражением и сформировать результирующее изображение с улучшенным контрастом.
Ключевые слова: гиперспектральные приборы, микроскопия, спектрофотометрия.
Введение
При наблюдении различных объектов методами микроскопии степень отражения излучения на отдельных локальных участках зависит от свойств конкретного объекта. В случае равномерного распределения оптической плотности микрообъекта на наблюдаемом участке при формировании гиперспектральных данных, когда объект освещается последовательно на различных длинах волн, необходимо учитывать средний уровень облученности на каждой длине волны, приходящийся на все элементы видеоматрицы, чтобы в зависимости от этого уровня выполнить необходимую процедуру подстройки времени накопления видеоматрицы (выдержки) или яркости источника излучения [1].
При наличии у микрообъекта высокой пространственной неравномерности распределения оптической плотности может возникнуть ситуация, при которой отдельные участки изображения микрообъекта могут быть передержаны, а другие недодержаны. В этой ситуации невозможно сформировать гиперспектральные данные по всему полю изображения микрообъекта без потери полезной информации. Подстройка времени накопления фотоэлектрического заряда видеоматрицы или яркости источника излучения не могут устранить этот недостаток, поскольку приводят к изменению интенсивности всех участков изображения микрообъекта, тогда как для компенсации пространственной неравномерности оптической плотности микрообъекта необходимо подстроить интенсивность только на определенном локальном участке для каждой длины волны.
Управление уровнем облученности отдельных участков может быть выполнено различными методами. Один из известных методов заключается в размещении перед видеоматрицей нейтрального светофильтра (управляемого транспаранта) с изменяемым локальным коэффициентом пропускания, величина которого может подстраиваться для каждого участка светофильтра. Однако применение данного метода заметно усложняет конструкцию гиперспектрального микроскопа, требует использования дополнительных дорогостоящих узлов и специализированного программного обеспечения для управления параметрами светофильтра.
В работах [2, 3] рассмотрены методы компенсации неравномерного распределения облученности объекта, которые основаны на получении набора изображений, записанных с различными значениями выдержки. Полученный набор изображений позволяет синтезировать результирующее изображение без участков, интенсивность которых выходит за пороговые значения. Процедура синтеза изображения заключается в последовательном определении наиболее подходящего значения выдержки при регистрации каждого участка изображения. В результате реализуется регистрация отдельных участков изображения с различными значениями выдержки и компенсируется неравномерное распределение облученности объекта.
В настоящей работе предложен метод компенсации неравномерности пространственного распределения оптической плотности наблюдаемого микрообъекта в гиперспектральной микроскопии при записи набора видеокадров с различной выдержкой для каждой длины волны освещения и формирования гиперспектральных данных без потери полезной информации.
Формирование гиперспектральных данных
При наблюдении микрообъекта гиперспектральные данные получают в форме набора изображений, записанных с различными значениями выдержки, на каждой длине волны X. Для каждого участка изображения микрообъекта подбирается изображение из полученного набора, на котором интенсивность не выходит за пределы пороговых значений. Зависимость значения выдержки, которое является оптимальным для регистрации участка изображения микрообъекта, от дискретных координат х и у обозначим как Гехр (X, х, у).
Отдельный элемент видеоматрицы позволяет регистрировать энергетическую экспозицию, которая является произведением облученности соответствующего элемента видеоматрицы и времени накопления электрического заряда (выдержки) [4]:
Н (X, х, у) = Е(Х, х, у) ^ ,
где Н(X, х, у) - экспозиция; Е(X, х, у) - облученность отдельного элемента видеоматрицы; texp - время
накопления фотоэлектрического заряда.
Для каждого элемента изображения рассчитывается отношение значений экспозиции, полученных при регистрации изображения микрообъекта, и базовой линии [5], соответствующей априорно известным значениям спектра источника излучения. Если изображение микрообъекта и базовая линия получены с разными значениями выдержки, то полученное значение необходимо умножить на поправочный коэффициент, равный отношению значений выдержки:
Т (Х ) Н (X, х, у) ^
Тх у) = -тх т~, (1)
H0(X, х у) Кхр
где Н0 (X, х, у) - экспозиция при регистрации базовой линии; texp - значение выдержки при регистрации изображения микрообъекта; t0exp - значение выдержки при регистрации базовой линии.
Поскольку видеоматрица при отсутствии падающего на нее излучения регистрирует уровень тем-нового тока, который необходимо учитывать при расчете [6], соотношение (1) принимает вид
Т(X,х,у) = Н^х,у)-Н*(х,у) х(2)
Н0(К х у) - Нл (х у) ^
где Нс (х, у) - уровень темнового тока элемента видеоматрицы с дискретными координатами х и у .
Если диапазона значений выдержки недостаточно, чтобы полностью компенсировать неравномерность пространственного распределения оптической плотности микрообъекта, то осуществляется подстройка яркости источника излучения при формировании набора изображений на каждой длине волны, например, изменением цветовой температуры источника [1]. При регистрации изображений, записанных с разной яркостью источника излучения в зависимости от длины волны, необходимо учитывать дополнительный поправочный коэффициент, равный отношению яркостей источника излучения при записи изображений микрообъекта и базовой линии. В этом случае выражение (2) имеет вид Н (X, х, у) - Нл (х, у) t Оехр А)^)
Т(X, х, у) =
' Н)^, х, у) - Нл (х, у) tap ¿(X) '
где ¿(X) - яркость источника излучения при записи изображения микрообъекта; А^) - яркость источника при записи базовой линии. Результаты расчета поправочного коэффициента для галогенной лампы представлены в работе [1].
Подбор оптимального значения выдержки для каждого элемента изображения микрообъекта проводится таким образом, чтобы интенсивность находилась наиболее близко к середине динамического
диапазона видеоматрицы. На рис. 1 показан график зависимости интенсивности в отдельной точке изображения от значения выдержки видеоматрицы.
300 и 250
200
§ 150
« 100
50
0
1 1,5
Выдержка, мс
Рис. 1. Зависимость интенсивности в отдельной точке изображения от значения выдержки
В данном примере при значении выдержки, равном 1 мс, интенсивность наиболее близко расположена к середине динамического диапазона видеоматрицы.
Экспериментальные результаты
Для апробации предложенного метода формирования гиперспектральных данных о микрообъектах с высокой степенью пространственной неравномерности распределения оптической плотности был создан экспериментальный образец микроскопа-гиперспектрофотометра, блок-схема которого показана на рис. 2.
Видеокамера
Рис. 2. Блок-схема экспериментального образца микроскопа-гиперспектрофотометра
Микроскоп-гиперспектрофотометр построен на основе микроскопа Микмед-6 (вариант 7), освещаемого на различных длинах волн с помощью монохроматора МДР 206 с дифракционной решеткой 1200 штр/мм и осветителем с галогенной лампой. Для регистрации изображений использована черно-белая видеокамера VAC-135 форматом 1280*1024 элементов. Для формирования изображений микрообъектов в плоскости видеокамеры использовался адаптер с линейным полем зрения 1/2" и увеличением 1х. Микрообъективы имели увеличение и числовые апертуры 10/0,25 и 40 /0,65 соответственно. Экспериментальный образец микроскопа-гиперспектрофотометра формирует гиперспектральные данные при последовательном изменении длины волны излучения, освещающего микрообъект.
На рис. 3 показан пример набора изображений микрообъекта Ulterus quer mit Larven, сформированных с помощью микрообъектива с увеличением 40х при освещении микрообъекта на длине волны 550 нм и зарегистрированных с различным временем выдержки. Из рис. 3 видно, что для отображения структуры микрообъекта без потери информации по всему полю зрения некоторые участки изображения должны быть получены при малых выдержках, а другие участки изображения - при больших выдержках.
На рис. 4 показаны два изображения микрообъекта, полученные с микрообъективом 40х при двух значениях выдержки, 0,5 мс и 2,0 мс, на длине волны 600 нм. С учетом изображения базовой линии по формуле (1) были рассчитаны коэффициенты пропускания для локального участка 1 (T = 19,0%) с использованием изображения, полученного с выдержкой 0,5 мс, а для локального участка 2 (T2 = 1,4%), приходящемся на оптически более плотную область микрообъекта, - с использованием второго изображения, полученного с выдержкой 2,0 мс. Из рис. 4 видно, что детали микроструктуры на локальном участке 1 ясно различимы на рис. 4, а, тогда как изображение на рис. 4, б, содержит информацию о структу-
ре микрообъекта на локальном участке 2. Таким образом, совместное использование набора изображений, сформированных и зарегистрированных в соответствии с предлагаемым методом, позволяет получить полную информацию о структуре микрообъекта по всему полю зрения в различных длинах волн.
г ч МТз
/л А I V
шзш**
Г * ГШ
О
нп
100 мкм
ь
I-
100 мкм
Я*
Рис. 3. Набор изображений, полученный на длине волны 550 нм с микрообъективом 40х и выдержкой
0,2 мс (а); 0,8 мс (б); 1,4 мс (в); 2,0 мс (г)
б
Рис. 4. Изображения, полученные на длине волны 600 нм с микрообъективом 40х и выдержкой 0,5 мс (а); 2,0 мс (б). Коэффициенты пропускания локальных участков 1 и 2 равны Т1 = 19,0% и Т2 = 1,4%
Заключение
Экспериментальная апробация предложенного метода формирования гиперспектральных данных о микрообъектах с высокой степенью пространственной неравномерности распределения оптической плотности показала возможность его применения для исследования спектральных свойств локальных особенностей медицинских и биологических препаратов.
б
в
г
а
Е.А. Воробьева, И.П. Гуров, А.Х. Киракозов
Метод показал высокую эффективность при регистрации спектра пропускания различных участков микроструктуры клеток, который имеет большой диапазон изменения оптической плотности. Разработанные алгоритмы и компьютерные программы позволяют использовать микроскоп-гиперспектрофотометр во многих областях биомедицинских исследований.
Работа выполнена при поддержке Министерства образования и науки Российской Федерации.
Литература
1. Гуров И.П., Лопатин А.И., Мельников А.В. Метод компенсации спектральной неоднородности источника излучения подстройкой его цветовой температуры для гиперспектральных приложений в микроскопии // Научно-технический вестник информационных технологий, механики и оптики. -2012. - № 5 (81). - С. 38-42.
2. Nayar S.K., Branzoi V. Adaptive dynamic range imaging: optical control of pixel exposure over space and time // Proc. the Ninth IEEE International Conference on Computer Vision (ICCV). - 2003. - V. 2. - P. 1168-1175.
3. Nuske S., Roberts J., Wyeth G. Extending the dynamic range of robotic vision // Proc. IEEE Int. Conference on Robotics and Automation. - 2006. - P. 162-167.
4. Понс Ж., Форсайт Д. Компьютерное зрение: Пер. с англ. - М.: Вильямс, 2004. - 928 с.
5. Белашенков Н.Р., Гуров И.П., Лопатин А.И., Мельников А.В. Микроскоп-спектрофотометр с матричным фотоприемником // Научно-технический вестник СПбГУ ИТМО. - 2007. - № 9 (43). - С. 260-265.
6. Бобровников Л.З. Электроника. - СПб: Питер, 2004. - 560 с.
Гуров Игорь Петрович - Санкт-Петербургский национальный исследовательский университет
информационных технологий, механики и оптики, доктор технических наук, профессор, зав. кафедрой, gurov@mail.ifmo.ru Лопатин Александр Иосифович - ОАО «ЛОМО», кандидат физ.-мат. наук, главный оптик, ailo-
patin@gmail.com
Мельников Алексей Викторович - Санкт-Петербургский национальный исследовательский университет
информационных технологий, механики и оптики, инженер-исследователь, melnikov.alexey@gmail.com
УДК 53.05: 519.219: 519.714.3
ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ ВНУТРЕННЕЙ МИКРОСТРУКТУРЫ БИОТКАНЕЙ С ИСПОЛЬЗОВАНИЕМ ФОРМАЛИЗМА СТОХАСТИЧЕСКИХ
РАЗНОСТНЫХ УРАВНЕНИЙ Е.А. Воробьева, И.П. Гуров, А.Х. Киракозов
Разработан метод моделирования многослойных случайно-неоднородных сред на основе использования математического аппарата стохастических разностных уравнений. Предложен метод описания случайной границы среды. Приведены примеры представления многослойных случайно-неоднородных сред с различными параметрами их внутренней микроструктуры.
Ключевые слова: микроструктура, стохастические дифференциальные уравнения, многослойные среды.
Введение
Определение внутренней микроструктуры случайно-неоднородных сред неразрушающими оптическими методами представляет важное направление научных исследований и высоких технологий. Перспективным методом исследований является оптическая когерентная томография (ОКТ), обеспечивающая наиболее высокое разрешение при неразрушающем контроле микрообъектов [1-3].
Количественный анализ свойств микроструктуры объектов возможен при учете физических особенностей взаимодействия оптического излучения с веществом и использовании адекватного математического описания микроструктуры исследуемых объектов. Существуют различные подходы к исследованию случайно-неоднородных сред, например, метод диаграмм, метод интегралов по траекториям, метод уравнения переноса и др. [4-5]. Метод диаграмм связан с использованием аппарата квантовой теории поля, а именно, с построением диаграмм Фейнмана [6].
Метод интегралов по траекториям, впервые предложенный Р. Фейнманом, получил широкое распространение [6-8]. Сущность метода заключается в том, что излучение рассматривается как поток фотонов, проходящих через среду по всевозможным траекториям, рассеиваясь на неоднородностях [9]. Интегрирование по всем траекториям (суммирование вкладов по всем траекториям) позволяет описывать распространение света в случайно-неоднородной среде [4]. Виды реализации метода интегралов по траекториям можно разделить на два класса: аналитические и стохастические. Модели рассеяния на броуновских частицах и на потоках частиц составляют основу аналитических методов [9-10], в которых ис-
