深度衰減是生物學家非常熟悉的一個問題： 觀察樣本越深，圖像就越模糊。一個蠕蟲胚胎或一塊組織可能只有幾十微米厚，但當顯微鏡儀器探查到頂層之外時，光線的彎曲會導致顯微鏡圖像失去清晰度。

為了解決這個問題，顯微鏡學家在現(xiàn)有的顯微鏡上增加了一些技術，以消除這些扭曲。但這種被稱為自適應光學的技術需要時間、資金和專業(yè)知識，因此能使用這種技術的生物實驗室相對較少。

現(xiàn)在，HHMI Janelia 研究園區(qū)的研究人員與合作者開發(fā)出了一種方法，可以進行類似的校正，但不需要使用自適應光學技術，不需要添加額外的硬件，也不需要拍攝更多的圖像。來自 Shroff 實驗室的一個團隊開發(fā)出了一種新的人工智能方法，可以在厚厚的生物樣本中生成清晰的顯微鏡圖像。

論文發(fā)表在《自然·通訊》（Nature Communications）雜志上。

圖片:41467_2024_55267_Fig1_HTML.png

基于深度學習的像差補償?shù)母拍詈?span onclick="sendmsg('pw_ajax.php','action=relatetag&tagname=模擬',this.id)" style="cursor:pointer;border-bottom: 1px solid #FA891B;" id="rlt_7">模擬

為了創(chuàng)造這項新技術，研究小組首先想出了一種方法，為顯微鏡深入均勻樣本成像時圖像如何退化建立模型。然后，他們將模型應用于同一樣本未退化的近側圖像，使這些清晰的圖像變得與更深的圖像一樣扭曲。然后，他們訓練了一個神經(jīng)網(wǎng)絡來扭轉整個樣本的失真，從而在樣本的整個深度獲得清晰的圖像。

這種方法不僅能生成更好看的圖像，還能讓研究小組更精確地計算蠕蟲胚胎中的細胞數(shù)量，追蹤整個小鼠胚胎中的血管和血管束，并檢查小鼠肝臟和心臟碎片中的線粒體。

這種基于深度學習的新方法不需要任何設備，只需要一臺標準顯微鏡、一臺帶顯卡的計算機和一個關于如何運行計算機代碼的簡短教程，因此比傳統(tǒng)的自適應光學技術更容易獲得。

Shroff 實驗室已經(jīng)在使用這項新技術為蠕蟲胚胎成像，該團隊計劃進一步開發(fā)該模型，使其對樣本結構的依賴性降低，這樣新方法就能應用于不太均勻的樣本。

相關鏈接：https://www.nature.com/articles/s41467-024-55267-x