數(shù)百年來，顯微鏡的清晰度和放大率最終受限于其光學鏡片的物理特性。顯微鏡制造商通過制造越來越復(fù)雜、越來越昂貴的鏡頭元件堆棧來突破這些限制。盡管如此，科學家們?nèi)圆坏貌辉诟叻直媛屎托?span onclick="sendmsg('pw_ajax.php','action=relatetag&tagname=視場',this.id)" style="cursor:pointer;border-bottom: 1px solid #FA891B;" id="rlt_9">視場與低分辨率和大視場之間做出選擇。

2013 年，加州理工學院的一個工程師團隊推出了一種名為 FPM（傅立葉分層顯微鏡）的顯微鏡技術(shù)。該技術(shù)將傳統(tǒng)顯微鏡的傳感技術(shù)與計算機算法結(jié)合在一起，以新的方式處理檢測到的信息，從而創(chuàng)建覆蓋更大區(qū)域的更深、更清晰的圖像。FPM 能夠在使用相對廉價的設(shè)備保持大視野的同時獲取高分辨率的樣品圖像，因此被廣泛采用。

現(xiàn)在，同一實驗室又開發(fā)出了一種新方法，它在獲取無模糊或失真圖像的能力上優(yōu)于 FPM，甚至可以減少測量次數(shù)。這項新技術(shù)在《自然·通訊》（Nature Communications）雜志上發(fā)表的一篇論文中進行了描述，它將推動生物醫(yī)學成像、數(shù)字病理學和藥物篩選等領(lǐng)域的進步。

這一新方法被命名為APIC（Angular Ptychographic Imaging with Closed-form method），它具有FPM的所有優(yōu)點，但卻沒有FPM的最大弱點——即為了得到最終圖像，F(xiàn)PM算法依賴于從一個或幾個最佳猜測開始，然后每次調(diào)整一點來得到其 "最佳 "解決方案，而這并不一定符合原始圖像的真實情況。

圖片:new-computational-micr.jpg

APIC的概念以及APIC與傅里葉鏡片顯微鏡（FPM）重建過程的比較。

在電氣工程、生物工程和醫(yī)學工程 Thomas G. Myers 教授以及傳統(tǒng)醫(yī)學研究所研究員Changhuei Yang的領(lǐng)導(dǎo)下，加州理工學院團隊意識到，有可能消除算法的這種反復(fù)性。

APIC 不是依靠反復(fù)試驗來找到解決方案，而是求解一個線性方程，得出像差或顯微鏡光學系統(tǒng)產(chǎn)生的畸變的細節(jié)。一旦知道了像差，系統(tǒng)就能對其進行校正，基本上就能像理想狀態(tài)一樣運行，并產(chǎn)生覆蓋大視場的清晰圖像。

論文的共同第一作者Ruizhi Cao曾是楊振寧實驗室的研究生，現(xiàn)在是加州大學伯克利分校的博士后，他說："我們以閉合形式得出了高分辨率復(fù)雜場的解決方案，因為我們現(xiàn)在對顯微鏡捕捉到了什么、我們已經(jīng)知道了什么以及我們需要真正弄清楚什么有了更深入的了解，所以我們不需要任何迭代"。通過這種方式，我們基本上可以保證我們看到的是一個樣本真實的最終細節(jié)。

與 FPM 一樣，這種新方法不僅能測量顯微鏡所見光線的強度，還能測量光線的一個重要屬性，即 "相位"，它與光線傳播的距離有關(guān)。人眼無法檢測到這一特性，但其中包含的信息對校正像差非常有用。

APIC 論文的共同第一作者Cheng Shen解釋說，F(xiàn)PM 正是依靠試錯法來求解這種相位信息，他也是在楊的實驗室完成這項工作的，現(xiàn)在是蘋果公司的計算機視覺算法工程師。

Shen說：“我們已經(jīng)證明，我們的方法可以提供分析解決方案，而且更加簡單明了。它更快、更準確，并能利用對光學系統(tǒng)的深刻理解�！�

除了消除相位求解算法的迭代性質(zhì)外，新技術(shù)還能讓研究人員在大視野范圍內(nèi)收集清晰圖像，而無需反復(fù)重新聚焦顯微鏡。使用 FPM 時，如果樣品的高度從一個部分到另一個部分哪怕只有幾十微米的變化，使用顯微鏡的人就必須重新對焦才能使算法發(fā)揮作用。

由于這些計算顯微鏡技術(shù)經(jīng)常需要將 100 多張低分辨率圖像拼接在一起，以拼湊出更大的視場，這意味著 APIC 可以大大加快處理速度，并在許多步驟中避免可能出現(xiàn)的人為錯誤。

Cao 說："我們開發(fā)了一個框架來校正像差，同時提高分辨率。這兩項功能有可能為更廣泛的成像系統(tǒng)帶來豐碩成果。

Yang說，APIC的開發(fā)對于他的實驗室目前正在進行的優(yōu)化人工智能（AI）應(yīng)用圖像數(shù)據(jù)輸入的更廣泛工作至關(guān)重要。

Yang說："最近，我的實驗室證明，人工智能在預(yù)測肺癌患者簡單組織病理切片的轉(zhuǎn)移性進展方面，可以勝過病理專家。這種預(yù)測能力完全依賴于獲得均勻?qū)�焦和高質(zhì)量的顯微鏡圖像，而APIC非常適合這方面的工作"。

相關(guān)鏈接：https://phys.org/news/2024-06-microscopy-technique-route-crisp-images.html

論文鏈接：https://dx.doi.org/10.1038/s41467-024-49126-y