Compressive Sensing is a new theory in signal processing, that aims to develop new acquisition protocols which allow to reconstruct generic signals with a number of sample much lower than the one required in usual acquisition paradigms, which rely on Shannon's theorem. These protocols are efficient if the sample is sparse, and if the measurement is "incoherent" with respect to the signal. The first requirement is verified for many signals, while the second is satisfied by modifying the measurement apparatus, in such a way to make the sampling flexible. This new approach to sampling has been used in many imaging applications, and microscopy is no exception. In many of these works, Digital Micromirror Device (DMD), that spatially modulate light, are used to "incoherently" sampling the signal. This method is in principle applicable to Light Sheet Fluorescence Microsscopy. This new microscopy technique exploits a light-sheet and a detection branch orthogonal to the illumination branch to optically section the specimen, and is particularly suitable to observe development and dynamics of biological organisms. The aim of this thesis is the design, development and control of a new Light Sheet Microscope that exploits principles of Compressive Sensing to reconstruct a sample with a number of images lower than the one commonly used in Light Sheet Microscopy. For this purpose, a DMD that modulates light along the axis parallel to the detection axis is used. For this reason, this microscope exploits multiple light sheets, whose distances and widths are controllable by DMD. For the setup's control a software in Python was realized, using ScopeFoundry, a platform for scientific instrumentations control. In particular, the software is built by defining four Python classes, called device, hardware, measurement and app. The functioning of this microscope was proved by imaging fluorescent beads and zebrafish.

Il Compressive Sensing è una nuova teoria nel campo del signal processing, che ha come scopo lo sviluppo di nuovi protocolli di acquisizione che permettano di ricostruire generici segnali con un numero di campioni molto minore rispetto a quello necessario nei paradigmi di acquisizione tipici, che si basano sul teorema di Shannon. Per fare ciò il segnale da campionare deve essere sparso, e la misura deve essere "incoerente" rispetto al segnale. Il primo requisito è verificato per molti segnali, mentre il secondo viene soddisfatto modificando l'apparato di misura, in modo tale da rendere il campionamento flessibile. Questo nuovo approccio alla misura di un segnale è stato già utilizzato in molte applicazioni di imaging, come la microscopia. In molti di questi lavori, per poter misurare in maniera "incoerente", si utilizzano modulatori spaziali di luce, quali i cosiddetti Digital Micromirror Device (DMD). Tale approccio in principio è applicabile alla Light Sheet Fluorescence Microscopy. Questa nuova tecnica di microscopia utilizza un foglio di luce e una illuminazione ortogonale rispetto alla detection per sezionare otticamente il campione, ed è particolarmente adatta per osservare lo sviluppo e dinamiche di organismi biologici in vivo. L'obiettivo di questa tesi è la progettazione, lo sviluppo e il controllo di un nuovo microscopio a Light Sheet che sfrutti i principi del Compressive Sensing per poter ricostruire un campione con un numero di immagini minore rispetto a quello necessario con un classico microscopio a Light Sheet. Per lo scopo viene utilizzato un DMD per modulare spazialmente la luce lungo la direzione parallela all'asse di detection. Perciò tale microscopio utilizza più fogli di luce, la cui larghezza e distanza sono controllabili tramite il DMD, Per il controllo del setup è stato realizzato un software in Python, utilizzando ScopeFoundry, una piattaforma per lo sviluppo di software per il controllo di strumentazione scientifica. In particolare, tale software viene scritto partendo da quattro classi di Python, denominate device, hardware, measurement e app. il funzionamento di tale microscopio è stato poi provato effettuando misure su beads fluorescenti e zebrafish.

Compressive sensing in light sheet microscopy

CASTRIOTTA, MICHELE
2017/2018

Abstract

Compressive Sensing is a new theory in signal processing, that aims to develop new acquisition protocols which allow to reconstruct generic signals with a number of sample much lower than the one required in usual acquisition paradigms, which rely on Shannon's theorem. These protocols are efficient if the sample is sparse, and if the measurement is "incoherent" with respect to the signal. The first requirement is verified for many signals, while the second is satisfied by modifying the measurement apparatus, in such a way to make the sampling flexible. This new approach to sampling has been used in many imaging applications, and microscopy is no exception. In many of these works, Digital Micromirror Device (DMD), that spatially modulate light, are used to "incoherently" sampling the signal. This method is in principle applicable to Light Sheet Fluorescence Microsscopy. This new microscopy technique exploits a light-sheet and a detection branch orthogonal to the illumination branch to optically section the specimen, and is particularly suitable to observe development and dynamics of biological organisms. The aim of this thesis is the design, development and control of a new Light Sheet Microscope that exploits principles of Compressive Sensing to reconstruct a sample with a number of images lower than the one commonly used in Light Sheet Microscopy. For this purpose, a DMD that modulates light along the axis parallel to the detection axis is used. For this reason, this microscope exploits multiple light sheets, whose distances and widths are controllable by DMD. For the setup's control a software in Python was realized, using ScopeFoundry, a platform for scientific instrumentations control. In particular, the software is built by defining four Python classes, called device, hardware, measurement and app. The functioning of this microscope was proved by imaging fluorescent beads and zebrafish.
FARINA, ANDREA
ING - Scuola di Ingegneria Industriale e dell'Informazione
16-apr-2019
2017/2018
Il Compressive Sensing è una nuova teoria nel campo del signal processing, che ha come scopo lo sviluppo di nuovi protocolli di acquisizione che permettano di ricostruire generici segnali con un numero di campioni molto minore rispetto a quello necessario nei paradigmi di acquisizione tipici, che si basano sul teorema di Shannon. Per fare ciò il segnale da campionare deve essere sparso, e la misura deve essere "incoerente" rispetto al segnale. Il primo requisito è verificato per molti segnali, mentre il secondo viene soddisfatto modificando l'apparato di misura, in modo tale da rendere il campionamento flessibile. Questo nuovo approccio alla misura di un segnale è stato già utilizzato in molte applicazioni di imaging, come la microscopia. In molti di questi lavori, per poter misurare in maniera "incoerente", si utilizzano modulatori spaziali di luce, quali i cosiddetti Digital Micromirror Device (DMD). Tale approccio in principio è applicabile alla Light Sheet Fluorescence Microscopy. Questa nuova tecnica di microscopia utilizza un foglio di luce e una illuminazione ortogonale rispetto alla detection per sezionare otticamente il campione, ed è particolarmente adatta per osservare lo sviluppo e dinamiche di organismi biologici in vivo. L'obiettivo di questa tesi è la progettazione, lo sviluppo e il controllo di un nuovo microscopio a Light Sheet che sfrutti i principi del Compressive Sensing per poter ricostruire un campione con un numero di immagini minore rispetto a quello necessario con un classico microscopio a Light Sheet. Per lo scopo viene utilizzato un DMD per modulare spazialmente la luce lungo la direzione parallela all'asse di detection. Perciò tale microscopio utilizza più fogli di luce, la cui larghezza e distanza sono controllabili tramite il DMD, Per il controllo del setup è stato realizzato un software in Python, utilizzando ScopeFoundry, una piattaforma per lo sviluppo di software per il controllo di strumentazione scientifica. In particolare, tale software viene scritto partendo da quattro classi di Python, denominate device, hardware, measurement e app. il funzionamento di tale microscopio è stato poi provato effettuando misure su beads fluorescenti e zebrafish.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
19_04_Castriotta.pdf

solo utenti autorizzati dal 05/04/2022

Descrizione: Testo della tesi
Dimensione 9.32 MB
Formato Adobe PDF
9.32 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/145715