Disseny i aplicació d’eines quimiomètriques per a l’anàlisi d’imatges hiperespectrals

Abstract

Les imatges hiperespectrals són una mesura instrumental singular i de gran interès, ja que proporcionen informació química (espectral) i de distribució espacial (imatge) dels constituents de les mostres. Aquest fet les fa especialment interessants en aplicacions de la indústria farmacèutica, dels camps mediambiental i biomèdic i en la recerca i identificació de materials. L’objectiu d’aquesta tesi ha estat el coneixement de la naturalesa de la mesura de les imatges hiperespectrals amb la finalitat de dissenyar o adaptar eines d’anàlisi de dades més específiques i de proporcionar protocols d’actuació per a la interpretació d’aquest tipus de mesura en funció del tipus de tècnica espectroscòpica utilitzada i del problema químic d’interès. De manera específica, aquest treball s’ha centrat en l’estudi del potencial del mètode de resolució multivariant de corbes per mínims quadrats alternats, MCR-ALS, per a l’anàlisi d’imatges hiperespectrals, que proporciona mapes de distribució i espectres purs dels constituents de les imatges a partir únicament del coneixement de la mesura original. S’ha treballat amb l’anàlisi d’imatges individuals i l’anàlisi conjunta d’imatges obtingudes amb la mateixa tècnica o amb diferents plataformes espectroscòpiques. A partir de l’estudi d’imatges Raman i IR associades a problemes químics de diferents tipologies, s’han proposat protocols d’anàlisi que inclouen el preprocessat de les dades originals, l’obtenció dels mapes de distribució i espectres purs dels constituents de la imatge i el postprocessat dels mapes i espectres resolts per a l’obtenció d’informació addicional. L’ús dels mapes i espectres resolts proporciona informació molt diversa, com és ara la identificació, la quantificació i la caracterització de l’heterogeneïtat dels constituents de la imatge o la interpretació global i local d’un procés. Els mapes resolts han estat també una informació de partida excel·lent en altres tipus d’anàlisi, com la segmentació de la imatge o en procediments de superresolució, orientats a millorar la resolució espacial de les imatges instrumentals. La combinació de l’anàlisi multiconjunt de resolució i segmentació s’ha revelat de gran utilitat per a distingir poblacions de mostres de teixits biològics amb diferents estats patològics. Per últim, s’ha proposat un procediment per a la fusió i anàlisi d’imatges adquirides amb diferents tècniques espectroscòpiques i de diferent resolució espacial mitjançant una nova variant del mètode MCR-ALS per a estructures multiconjunt incompletes, que permet aprofitar la informació complementària de les tècniques acoblades i preservar la màxima resolució espacial.

Hyperspectral images are unique instrumental measurements that contain chemical (spectral) information and detailed knowledge of the distribution of the sample constituents on the sample surface scanned. This thesis is mainly oriented to know in depth the nature of this instrumental measurement in order to design and adapt specific chemometric tools that help in the proposal of general protocols for the interpretation of hyperspectral images according to the spectroscopic technique used and the chemical problem of interest. Particularly, much work has been focused on the study of the potential of multivariate curve resolution-alternating least squares, MCR-ALS, for the analysis of hyperspectral images. This algorithm provides distribution maps and pure spectra for the image constituents from the sole information contained in the raw measurement. Within this framework, individual analysis of images and image multiset analysis on data structures formed by images collected with the same technique or by images coming from different spectroscopic platforms have been explored. From the study of Raman and IR hyperspectral images linked to different chemical problem typologies, data analysis protocols have been proposed that include preprocessing of original data, recovery of distribution maps and pure spectra of image constituents and postprocessing of resolved maps and pure spectra to obtain further information. Resolved distribution maps and pure spectra provide diverse information, such as identification, quantification and heterogeneity characterization of the image constituents or the global and local description of a process. The use of resolved distribution maps has proven to be an excellent starting point for other kinds of analysis, such as image segmentation or super-resolution algorithms, oriented to improve the spatial resolution of experimental hyperspectral images. Combined multiset resolution and segmentation analysis has been shown to be very useful for the differentiation of populations of biological tissues with different pathological conditions. Finally, a strategy for data fusion of hyperspectral images from different spectroscopic platforms and different spatial resolution has been proposed. This approach uses a new variant of MCR-ALS for incomplete multiset structures that takes advantage of the complementary information provided by the different spectroscopic techniques without losing spatial resolution.