Matematisk metod ger skarpare röntgenbilder på nanonivå
Forskare i Lund har utvecklat en ny matematisk metod som gör det möjligt att få fram ännu mer detaljerade röntgenbilder. I en studie på hjärnvävnad ökade bildskärpan ungefär tre gånger. Mycket fina strukturer såsom synapser och mitokondrier i hjärncellerna blev synliga.
I ett internationellt samarbete har ett antal forskare tagit fram en metod som ger betydligt högre kvalitet på tredimensionella röntgenbilder jämfört med tidigare. Det handlar om 3D-bilder som tas med hjälp av så kallad röntgen-nanotomografi. Forskarnas angreppssätt bygger på kunskap inom matematik och beräkningsvetenskap.
– Vårt arbete visar att begränsningen inte enbart har legat i röntgenoptiken utan också i matematiken som används för att rekonstruera bilden, säger Marcus Carlsson, matematikforskare vid Lunds universitet.
Med den nya metoden kan man särskilja extremt små strukturer ner till 20 nanometers storlek. Som jämförelse kan nämnas att ett mänskligt hårstrå är mellan 80 000 och 100 000 nanometer tjockt.
Den höga bildupplösningen innebär att man kan studera enskilda detaljer på cellnivå i kroppen. I den aktuella studien blev bildskärpan ungefär tre gånger så bra med den nya metoden. Mycket fina strukturer såsom synapser, mitokondrier och andra subcellulära strukturer blev synliga i sin tredimensionella skepnad.
Marcus Carlsson har haft en ledande roll i den matematiska och algoritmiska delen av arbetet i forskningsstudien. Han utvecklade den aktuella optimeringsinsatsen som ligger till grund för den förfinade avbildningsmetoden.
När man ska ta bilder på strukturer på nanonivå används normalt sett en helt annan avbildningsteknik än röntgen, nämligen elektronmikroskopi. Problemet med den mikroskopitekniken är att materialet som man vill undersöka då måste skäras i mycket tunna skivor för att kunna studeras i tredimensionell avbildning. Elektronmikroskopi ger extrem detaljrikedom men innebär alltså samtidigt att materialet tillfogas permanenta skador.
Genom att i stället använda röntgenteknik kan man på nanonivå dels undersöka betydligt större prover, dels avbilda dem tredimensionellt utan att de först behöver skäras sönder. En central utmaning är dock att få ut all information ur de enorma datamängder som undersökningarna producerar, påtalar Marcus Carlsson. Och det är här som matematik och beräkningsvetenskap är till hjälp.
– Genom bättre matematiska modeller och optimeringsalgoritmer kan man få ut betydligt mer information ur samma typ av mätdata. Den nya metoden öppnar möjligheter både inom biologisk avbildning och inom andra områden där man vill studera material tredimensionellt och icke-destruktivt, säger Marcus Carlsson.
Studien har publicerats i den vetenskapliga tidskriften Optica: Scalable joint X-ray nano-holotomography reconstruction with the bilinear Hessian method.
Om studien
Matematisk forskning har använts tillsammans med några av världens ledande synkrotronljusanläggningar för att lösa ett konkret problem inom avancerad biologisk avbildning. Den matematiska optimeringsmetoden, Bilinear Hessian method, har tagits fram av Lundaforskaren Marcus Carlsson. Algoritmen har även testats på det amerikanska elektronikföretaget Nvidia:s superdator Eos. Forskningsstudien är ett samarbete mellan bland annat Lunds universitet, Argonne National Laboratory, ESRF, Nvidia och Francis Crick Institute.
För mer information, kontakta:
Marcus Carlsson, universitetslektor
Matematikcentrum, Lunds universitet
0765 91 42 34
*
Lena Björk Blixt, presskommunikatör
Naturvetenskapliga fakulteten, Lunds universitet
0709 79 79 70
lena.bjork_blixt@science.lu.se