Uma nova pesquisa fornece aos cientistas que olham para moléculas individuais ou no espaço profundo uma maneira mais precisa de analisar dados de imagem capturados por microscópios, telescópios e outros dispositivos.

O método aprimorado para determinar a posição de objetos capturados por sistemas de imagem é o resultado de uma nova pesquisa feita por cientistas da Universidade de Chicago. As evidências, publicado em 26 de dezembro em Proceedings of the National Academy of Sciences , fornece um mecanismo - conhecido como função de preenchimento interior de pixel único, ou SPIFF - para detectar e corrigir erros sistemáticos na análise de dados e imagens usados ​​em muitas áreas da ciência e da engenharia.

"Qualquer pessoa que trabalhe com dados de imagem em objetos minúsculos - ou objetos que parecem minúsculos - que deseja determinar e rastrear suas posições no tempo e no espaço se beneficiará do método de função de preenchimento de interior de pixel único, "disse o co-investigador principal Norbert Scherer, um professor de química da UChicago.

Pesquisadores de todas as ciências usam imagens para aprender sobre objetos em escalas que variam desde os muito pequenos, como nanômetros, para o muito grande, como escalas astrofísicas. Seu trabalho geralmente inclui rastrear o movimento de tais objetos para aprender sobre seu comportamento e propriedades.

Muitos sistemas de imagem e detectores baseados em imagem são constituídos por pixels, como um telefone celular mega-pixel. O chamado rastreamento de partículas permite que os pesquisadores determinem a posição de um objeto até um único pixel e até mesmo explorem a localização de subpixel com uma precisão de um décimo de pixel. Com uma resolução de microscópio óptico de cerca de 250 nanômetros e um tamanho de pixel efetivo de cerca de 80 nanômetros, o rastreamento de partículas permite que os pesquisadores localizem o centro ou localização de um objeto em poucos nanômetros, contanto que fótons suficientes sejam medidos.

Mas essa resolução de subpixel depende de algoritmos para estimar a posição dos objetos e suas trajetórias. O uso de tais algoritmos geralmente resulta em erros de precisão e exatidão devido a fatores como objetos próximos ou sobrepostos na imagem e ruído de fundo.

O SPIFF pode corrigir os erros com poucos custos computacionais adicionais, de acordo com Scherer. "Até este trabalho, não havia maneiras simples de determinar se o rastreamento e a localização de subpixel eram precisos e de corrigir o erro, caso não fosse, " ele disse.

Aplicável a muitas disciplinas

"Analisar uma imagem para obter uma estimativa aproximada da posição de um objeto não é muito difícil, mas fazer o melhor uso de todas as informações em uma imagem para obter as melhores informações de rastreamento possíveis pode ser realmente desafiador, "disse David Grier, professor de física da New York University, que não participou da pesquisa. "Dado o quão amplamente o rastreamento de partículas baseado em imagem penetrou na física, química, biologia e muitas disciplinas de engenharia, este método deve ser amplamente adotado. "

A análise de dados de subpixel pode ser influenciada por características sutis do processo de formação de imagem, de acordo com Grier, e esses vieses podem mudar a posição aparente de uma trajetória em até meio pixel em relação à sua posição real. "Para medições sensíveis de processos físicos delicados, isso é um desastre, "Grier disse.

"O método descrito no artigo PNAS, Contudo, explica como detectar esses vieses e como corrigi-los, ajudando assim a confirmar que as informações de rastreamento são confiáveis, " ele adicionou.

A pesquisa descrita no artigo aplicou SPIFF a dados experimentais em sólidos (ou seja, esferas coloidais) suspensas em um líquido, mas os pesquisadores agora aplicaram seu método a muitos outros conjuntos de dados, incluindo características em nanoescala de células (por exemplo, vesículas), nanopartículas metálicas e até moléculas únicas, Scherer disse, acrescentando que o método SPIFF é aplicável a todos os algoritmos de rastreamento.

"Acreditamos que o SPIFF será importante para muitos estudos em biologia e nanociência e, embora não tenhamos trabalhado com imagens de telescópios, O SPIFF pode até ajudar a determinar e corrigir erros nos dados de rastreamento de estrelas, "Scherer disse.