Penambahbaikan kualiti imej besar-besaran menggunakan model pembelajaran mesin "FINE-AI Filter"
MSTips No. 526
Pengimejan jisim (MSI) menggunakan penyahjerapan/pengionan laser berbantukan matriks (MALDI) telah menyaksikan peningkatan penggunaan dalam pelbagai bidang dalam beberapa tahun kebelakangan ini. Kaedah pengionan lembut MALDI membolehkan visualisasi penyetempatan pelbagai molekul. Walau bagaimanapun, MALDI-MSI mengalami nisbah isyarat-ke-hingar yang rendah dalam imej jisim yang diekstrak, terutamanya atas dua sebab berikut: I) Ketidakseragaman berlaku dalam morfologi kristal matriks yang disembur ke permukaan sampel. II) Setiap piksel ialah analisis setempat kira-kira beberapa puluh mikrometer persegi, menghasilkan sebilangan kecil ion yang diperoleh dari kawasan tersebut. Isu-isu ini amat ketara dalam imej jisim yang diekstrak bagi komponen surih dengan keamatan puncak yang rendah. Oleh itu, dalam laporan ini, kami cuba meningkatkan kualiti imej imej jisim yang diekstrak menggunakan Penapis FINE-AI, yang dibangunkan dengan menggunakan model pembelajaran mesin untuk penapisan hingar—yang asalnya dicipta daripada imej elektron sekunder yang diperoleh melalui mikroskopi elektron pengimbasan (SEM)—kepada MALDI-MSI.
Eksperimen
Model pembelajaran mesin yang menggunakan imej elektron sekunder daripada SEM telah dicipta menggunakan prosedur berikut. Kaedah pembelajaran mesin yang diselia, rangkaian adversarial generatif bersyarat (cGAN), telah digunakan untuk pembelajaran mesin. Pertama, kira-kira 3000 imej elektron sekunder berkualiti tinggi telah disediakan sebagai data latihan. Seterusnya, imej berkualiti rendah telah dicipta dengan menambah hingar syot mengikut taburan Poisson kepada imej berkualiti tinggi ini pada beberapa tetapan nisbah isyarat-ke-hingar yang berbeza. Apabila imej elektron sekunder berkualiti rendah dimasukkan ke dalam Penjana yang ditunjukkan dalam Rajah 1, imej elektron sekunder berkualiti tinggi dijana. Latihan telah dilakukan berulang kali dengan membandingkan imej elektron sekunder berkualiti tinggi yang diukur dengan imej berkualiti tinggi yang dijana oleh model pembelajaran mesin.
Walaupun Penjana yang terlatih digunakan untuk menambah baik imej jisim yang diekstrak, medan pandangan dalam SEM adalah tetap manakala medan pandangan dalam MALDI-MSI boleh ditetapkan secara sewenang-wenangnya, jadi Penapis FINE-AI menggunakan beberapa strategi penukaran. Kaedah pelarasan saiz imej adalah seperti berikut: (i) Apabila imej jisim lebih kecil daripada saiz imej SEM, berbilang salinan disusun, ditukar, dan kemudian sebahagian daripada hasilnya dipotong (Rajah 2, kiri). (ii) Sebagai variasi kaedah (i), imej jisim dibesarkan relatif kepada saiz yang diperoleh dengan memilih pembesaran x1, x2 atau x3 sebelum penambahbaikan kualiti imej dilakukan (Rajah 2, tengah). (iii) Apabila imej jisim lebih besar daripada saiz imej SEM, ia dibahagikan kepada berbilang bahagian, ditukar secara berasingan, dan kemudian digabungkan semula (Rajah 2, kanan).
Rajah 1 Pembangunan model peningkatan kualiti imej menggunakan imej SEM
Bingkai hitam menunjukkan saiz imej SEM (tetap), dan bingkai biru menunjukkan saiz imej MSI (berubah-ubah).
Rajah 2 Pelarasan saiz imej apabila menggunakan model pembelajaran mesin yang dihasilkan daripada imej SEM kepada imej jisim.
Hasil
Keratan tisu otak tikus yang dibekukan telah digunakan sebagai sampel, dan DHB disembur sebagai matriks. Pengukuran telah dilakukan menggunakan mod ion positif SpiralTOF bagi NewSpiralTOF™. Saiz piksel ialah 40µm, dan saiz imej ialah 125×169 piksel. Rajah 3 menunjukkan spektrum jisim purata di bahagian kiri atas. Pelbagai lipid (terutamanya fosfatidilkolina, fosfatidiletanolamina, dan galaktosilseramida) telah diperhatikan antara m/z 700-1000. Bahagian atas kanan menunjukkan spektrum jisim yang diperbesar di sekitar m/z 820. Menggunakan NewSpiralTOF™, pemisahan isobar diaktifkan, yang sukar dilakukan dengan TOFMS jenis reflektron konvensional. Kebanyakan ion lipid yang diperhatikan mempunyai keamatan ion yang agak rendah, menghasilkan kualiti imej kasar. Oleh itu, kami membandingkan kaedah penambahbaikan imej menggunakan penapis FINE-AI, penapis Gaussian dan binning. Penapis FINE-AI meningkatkan kualiti imej sambil mengekalkan kontur berbanding penapis Gaussian dan binning yang biasa digunakan. Apabila pembesaran Penapis FINE-AI diubah, didapati bahawa butiran halus hilang pada pembesaran yang lebih rendah, manakala pengurangan hingar tidak mencukupi pada pembesaran yang lebih tinggi. Untuk hasil pengukuran ini, x2 nampaknya sesuai. Pembesaran harus dipilih mengikut struktur sampel dan saiz piksel.
Kesimpulan
Untuk meningkatkan kualiti imej imej jisim, kami cuba menggunakan model pembelajaran mesin untuk penapisan hingar, yang dicipta menggunakan mikroskop elektron imbasan. Kami juga mengkaji kaedah pemprosesan untuk menggunakan model ini pada imej jisim. Kaedah ini didapati dapat meningkatkan kualiti imej imej jisim dengan nisbah S/N yang rendah, seperti imej puncak yang sangat kecil atau imej yang sangat dipengaruhi oleh matriks.
Rajah 3 Penambahbaikan kualiti imej jisim yang diekstrak menggunakan Penapis FINE-AI
Rumusan berdasarkan bidang
Komponen Elektrik / Elektronik
Lebih Banyak Produk
Adakah anda seorang profesional perubatan atau kakitangan yang terlibat dalam penjagaan perubatan?
Tidak
Sila diingatkan bahawa halaman ini tidak bertujuan untuk memberikan maklumat tentang produk kepada orang ramai.