Nuovi strumenti chemiometrici per lo studio di miscele complesse nell’imaging iperspettrale valutando l’informazione spaziale-spettrale e la loro interazione

Hyperspectral imaging is used in many fields of science, for its powerful ability to gather information in both the spatial and spectral domain. Applications range from cell imaging in biology to remote sensing in agricultural sciences. However, in many applications and methods, the information within the spectral image is not fully utilized, leading to sub-optimal results. One of the more prominent concerns is spatial correlation, as it is either completely disregarded or considered in a sub-optimal way. In fact, the spatial dimension is usually unfolded pixelwise to provide a two-dimensional data matrix prior to applying chemometrics methods, such as decomposition by Principal Component Analysis (PCA) or Multivariate Curve Resolution-Alternating Least Squares (MCR-ALS). In the thesis project, novel tools have been developed to simultaneously consider the spatial and spectral dimensions, as well as to improve mixture resolution in challenging situations, where current tools might fail to retrieve adequate solutions. The first developed tool is named Image Decomposition, Encoding and Localization (IDEL) which takes a spatial approach to spectral image analysis maintaining the link to the spectral features which are responsible for the observed spatial patterns. IDEL combines an exploitation step based on wavelet filters, with a compression step based on image encoding and multivariate data analysis, and a final reconstruction in the original domain of the most essential spatial-spectral information. IDEL has been applied on several benchmarks representing a varied set of situations, simulated and real. At first, simulations were developed to apply the approach in a controlled manner, then moving to challenging real case studies i.e., recognition of biological traces dispersed on different surfaces in the context of forensic analysis, or food component distributions in food quality control. Results showed the capability of the methodology, obtaining a new perspective on the data that was previously difficult to access. The second tool tackles the very critical issue of under-represented minor components in mixtures that the standard MCR-ALS algorithm, fails to recover, especially in presence of noise. The proposed method is based on a weighting scheme tuned on sample (of a given mixture composition) relevance with respect to degree of purity each sample represents. This novel tool, named weighted MCR-ALS has been tested in simulated data, and then applied to a pseudo real image of a pharmaceutical tablet, where considerable gains are obtained, with respect to the current state-of-the art. Both tools have been coded in MATLAB. The IDEL function has been developed including a default set of parameters that are applicable in different situations and ready to be utilized by non-experts of the field. At the same time parameter tuning can be handled by the expert users. Both tools are set up to work across a broad range of situations.

L'imaging iperspettrale è utilizzato in molti ambiti scientifici, per la sua efficace capacità di acquisire informazioni sia nel dominio spaziale che in quello spettrale. Le applicazioni si estendono dall'imaging cellulare in biologia al telerilevamento nelle scienze agrarie. Tuttavia, in molte applicazioni e metodi, le informazioni contenute nell'immagine spettrale non vengono utilizzate appieno, portando a risultati non ottimali. Uno dei problemi più rilevanti è la correlazione spaziale, che viene completamente ignorata o considerata in maniera inadeguata. Infatti, la dimensione spaziale viene solitamente dispiegata in pixels per fornire una matrice di dati bidimensionale prima dell'applicazione di metodi chemiometrici, come la decomposizione mediante l'analisi delle componenti principali (PCA) o la risoluzione multivariata delle curve ai minimi quadrati alternati (MCR-ALS). Nel progetto di tesi sono stati sviluppati nuovi strumenti per considerare simultaneamente le dimensioni spaziali e spettrali e per migliorare la risoluzione delle miscele in situazioni complesse, dove gli strumenti attuali potrebbero non riuscire a trovare soluzioni adeguate. Il primo strumento sviluppato è stato chiamato “Image Decomposition, Encoding and Localization” (IDEL), e adotta un approccio spaziale all'analisi delle immagini spettrali, mantenendo il legame con i profili spettrali che sono responsabili dei modelli spaziali osservati. IDEL sfrutta una fase basata su filtri wavelet, combinata con una fase di compressione basata sulla codifica delle immagini e sull'analisi multivariata dei dati, e una ricostruzione finale nel dominio originale dell’informazione spaziale-spettrale più essenziale. IDEL è stato applicato a diversi benchmarks che descrivono diverse situazioni, simulate e reali. Inizialmente sono state messe a punto simulazioni per applicare l'approccio in modo controllato, per poi passare a casi di studio reali impegnativi, come il riconoscimento di tracce biologiche disperse su diverse superfici nel contesto dell'analisi forense o la distribuzione di componenti alimentari nel controllo della qualità degli alimenti. I risultati hanno dimostrato la capacità della metodologia, ottenendo una nuova prospettiva sui dati che in precedenza erano di difficile comprensione. Il secondo strumento risolve il problema molto critico delle componenti minoritarie nelle miscele, che l'algoritmo MCR-ALS standard non riesce a recuperare, soprattutto in presenza di rumore. Il metodo proposto si basa su uno schema di ponderazione tarato sulla rilevanza del campione (di una data composizione della miscela) rispetto al grado di purezza che ciascun campione rappresenta. Questo nuovo strumento, denominato “weighted MCR-ALS”, è stato testato su dati simulati e poi applicato ad un'immagine pseudo-reale di una compressa farmaceutica, ottenendo notevoli vantaggi rispetto all'attuale stato dell'arte. Entrambi gli strumenti sono stati codificati in MATLAB. La funzione IDEL è stata sviluppata includendo un insieme di parametri predefiniti, applicabili in diverse situazioni e pronti per essere utilizzati dai non esperti del settore. Allo stesso tempo, la regolazione dei parametri può essere gestita da utenti esperti. Entrambi gli strumenti sono stati progettati per lavorare in un'ampia gamma di situazioni.