De nouvelles recherches offrent aux scientifiques qui étudient des molécules uniques ou dans l'espace lointain un moyen plus précis d'analyser les données d'imagerie capturées par des microscopes, télescopes et autres appareils.

La méthode améliorée pour déterminer la position des objets capturés par les systèmes d'imagerie est le résultat de nouvelles recherches menées par des scientifiques de l'Université de Chicago. Les résultats, publié le 26 décembre dans Actes de l'Académie nationale des sciences , fournit un mécanisme connu sous le nom de fonction de remplissage intérieur à un seul pixel, ou SPIFF—pour détecter et corriger les erreurs systématiques dans l'analyse des données et des images utilisées dans de nombreux domaines de la science et de l'ingénierie.

« Quiconque travaille avec des données d'imagerie sur des objets minuscules - ou des objets qui semblent minuscules - et qui souhaite déterminer et suivre leurs positions dans le temps et dans l'espace bénéficiera de la méthode de la fonction de remplissage intérieur à un seul pixel, " a déclaré le co-chercheur principal Norbert Scherer, un professeur de chimie UChicago.

Les chercheurs de toutes les sciences utilisent l'imagerie pour en savoir plus sur les objets à des échelles allant de la très petite, tels que les nanomètres, au très grand, comme les échelles astrophysiques. Leur travail comprend souvent le suivi du mouvement de ces objets pour en savoir plus sur leur comportement et leurs propriétés.

De nombreux systèmes d'imagerie et détecteurs à base d'images sont constitués de pixels, comme avec un téléphone cellulaire mégapixel. Ce que l'on appelle le suivi des particules permet aux chercheurs de déterminer la position d'un objet jusqu'à un seul pixel et même d'explorer la localisation des sous-pixels avec une précision supérieure à un dixième de pixel. Avec une résolution de microscope optique d'environ 250 nanomètres et une taille de pixel effective d'environ 80 nanomètres, le suivi des particules permet aux chercheurs de localiser le centre ou l'emplacement d'un objet à quelques nanomètres près, à condition que suffisamment de photons soient mesurés.

Mais une telle résolution sous-pixellisée dépend d'algorithmes pour estimer la position des objets et leurs trajectoires. L'utilisation de tels algorithmes entraîne souvent des erreurs de précision et d'exactitude dues à des facteurs tels que des objets proches ou qui se chevauchent dans l'image et le bruit de fond.

SPIFF peut corriger les erreurs avec peu de coûts de calcul supplémentaires, selon Scherer. « Jusqu'à ce travail, il n'y avait pas de moyen simple de déterminer si le suivi et la localisation des sous-pixels étaient précis et de corriger l'erreur si ce n'était pas le cas, " il a dit.

Applicable à de nombreuses disciplines

"Analyser une image pour obtenir une estimation approximative de la position d'un objet n'est pas trop difficile, mais utiliser de manière optimale toutes les informations d'une image pour obtenir les meilleures informations de suivi possibles peut être vraiment difficile, " a déclaré David Grier, professeur de physique à l'université de New York, qui n'a pas participé à la recherche. "Étant donné à quel point le suivi des particules basé sur l'image a pénétré la physique, chimie, la biologie et de nombreuses disciplines de l'ingénierie, cette méthode devrait être très largement adoptée.

L'analyse des données sous-pixel peut être biaisée par des caractéristiques subtiles du processus de formation d'image, selon Grier, et ces biais peuvent décaler la position apparente d'une trajectoire jusqu'à un demi-pixel par rapport à sa position réelle. "Pour des mesures sensibles de processus physiques délicats, c'est une catastrophe, " dit Grier.

"La méthode décrite dans l'article du PNAS, cependant, explique comment détecter ces biais et comment les corriger, aidant ainsi à confirmer que les informations de suivi sont fiables, " il ajouta.

La recherche décrite dans l'article a appliqué SPIFF aux données expérimentales sur les solides (c'est-à-dire, sphères colloïdales) en suspension dans un liquide, mais les chercheurs ont maintenant appliqué leur méthode à de nombreux autres ensembles de données, y compris les caractéristiques nanométriques des cellules (par exemple, les vésicules), des nanoparticules métalliques et même des molécules uniques, Scherer a dit, ajoutant que la méthode SPIFF est applicable à tous les algorithmes de suivi.

"Nous pensons que SPIFF sera important pour de nombreuses études en biologie et en nanosciences et, bien que nous n'ayons pas travaillé avec des images de télescopes, SPIFF pourrait même aider à déterminer et à corriger les erreurs dans les données de suivi des étoiles, " a déclaré Scherer.