En ny datoralgoritm gör det möjligt för forskare att använda en högpresterande sensorteknologi, kallas vetenskapliga komplementära metalloxid halvledarkameror, för ett brett spektrum av biologisk forskning.

"Vetenskapliga sCMOS -kameror blir snabbt populära i biologiska vetenskaper, materialvetenskap och astronomi, "sa Fang Huang, en biträdande professor vid Purdue Universitys Weldon School of Biomedical Engineering. "Sensorn ger betydande framsteg när det gäller bildhastighet, känslighet och synfält jämfört med traditionella detektorer som laddningskopplade enheter eller elektronmultiplikerande CCD. "

Dock, användningen av sCMOS -kameror för biologisk forskning har varit begränsad på grund av fluktuationer i pixelkvalitet, genererar mer "buller, "än de andra kamerorna. I synnerhet varje pixel fluktuerar i sin egen takt.

"När du försöker använda detta för biologiska studier, det är mycket svårt att avgöra om denna fluktuation kommer från provet (fotoner) eller från själva kameran, "sade Sheng Liu, huvudförfattaren till tidningen, en postdoktor vid Weldon School of Biomedical Engineering.

Nu, arbetar med forskare vid Purdues institution för biologiska vetenskaper, Liu och Huang har utvecklat en ny algoritm som korrigerar bullret, gör sCMOS -kamerorna tillgängliga för ett brett spektrum av biologisk mikroskopi.

Fynden detaljerades i en forskningsartikel som visades tidigare i år i tidningen Naturmetoder .

Författarna inkluderar Liu; postdoktoral forskningsassistent Michael J. Mlodzianoski; doktorander Zhenhua Hu, Yuan Ren och Kristi McElmurry; Daniel M Suter, docent vid institutionen för biologiska vetenskaper; och Huang.

"Vi har försökt använda den här kameran för live-cell enmolekylerad superupplöst avbildning och introducerade en algoritm för detta ändamål 2013, "Sa Huang." Men den tidigare algoritmen fungerar bara för enkelmolekylstudier, vilket betyder att alla dina objekt måste vara så kallade punktsändare. Så, i grund och botten, dina bilder måste se ut som stjärnor på himlen. "

Biologisk forskning, dock, involverar ofta avbildning av komplexa strukturer som cellulära organeller. För att lösa problemet, forskare utvecklade den nya algoritmen.

"Den grundläggande utmaningen är att uppskatta en av variablerna när man känner till summan av två variabler. Det finns inget unikt svar på denna fråga men vi vill göra den bästa uppskattningen med tanke på vår ytterligare kunskap om de två variablerna." Sa Huang. "Vi utnyttjade en allmän egenskap för bildsystem, den optiska överföringsfunktionen. Baserat på vår kunskap om hur var och en av de 4 miljoner pixlarna på vårt kamerachip uppför sig, vi kan uppskatta den faktiska fotonivån vid varje pixelplats. Detta är mycket spännande för oss eftersom detta gör att CMOS -sensorer kan användas i ett brett spektrum av avbildningsmetoder för kvantitativa biomedicinska och biologiska studier, förbättra deras känslighet, synfält och bildhastighet. "