Nature：硬件提升+深度学习，共聚焦显微镜体积分辨率提高10倍以上！

由于在各种样品成像方面的可靠性和灵活性，共聚焦显微镜仍然是生物医学光学显微镜的主要工作工具，但存在大量点扩散函数各向异性、衍射极限分辨率不足、散射样品降解和光毒性高等限制。

在此，美国国立卫生研究院吴一聪博士、韩晓霏等人增强了从亚微米到毫米空间尺度和毫秒到小时时间尺度的共聚焦显微镜性能，将横向和轴向分辨率提高了两倍以上（体积分辨率提高了10倍以上），同时降低了光毒性。作者使用集成的“四管齐下”方法实现了以下效果：

(1) 开发紧凑型线扫描仪，能够在大面积上实现灵敏、快速、衍射受限的成像；

(2) 将线扫描与多视图成像相结合，开发可提高分辨率各向同性并恢复因散射而丢失的信号的重建算法；

(3) 采用结构照明显微技术，在密集标记的厚样品中实现超分辨率成像；

(4) 将深度学习与这些进步相结合，进一步提高成像速度、分辨率和持续时间。

图1. 基于深度学习的实时共焦成像

这项工作为深度学习与荧光显微镜的集成提供了蓝图，作者用低信噪比和高信噪比图像对训练深度学习模型，使用神经网络来扩展成像持续时间和深度，并从衍射受限的输入图像中生成超分辨率图像。

此外，作者还利用深度学习模型实现了对动态过程进行超分辨三维成像，扩展超分辨率成像的潜力。作者在20多个不同的固定和活样本上展示了这些能力，包括单细胞中的蛋白质分布；线虫胚胎、幼虫和成虫中的细胞核和神经元；果蝇翅膀成虫盘中的成肌细胞；小鼠肾脏、食道、心脏和脑组织等。

此外，同样的方法或许可以被应用到其它的显微镜用线照明，可能会实现更好的空间分辨率。

图2. 动态 3D结构化照明显微镜成像的深度学习

Multiview confocal super-resolution microscopy, Nature 2021. DOI: 10.1038/s41586-021-04110-0

华算科技推出了【机器学习+材料】零基础课程，针对零编程基础的化学、材料学工作者，先扎实学习当下最流行、与机器学习契合度最高的Python语言，再学习机器学习的基本算法，并对文献案例进行重现。课程包含大量实际操作内容，掌握编程神器Python与黑科技机器学习不再遥不可及。

 点击阅读原文，提交计算需求！