• 背景介紹

近年來，光片熒光顯微鏡（LSFM）作為熒光顯微技術(shù)的革新，憑借其出色的層析能力以及較低的光毒性和光漂白性，廣泛應用于生命科學研究。這一技術(shù)采用“薄”光片成像，能夠長期、實時地觀察活體生物樣本，且不損害樣本的完整性，為發(fā)育生物學、細胞動力學和疾病研究提供了全新的視角。然而，光片熒光顯微鏡在空間分辨率、時間分辨率、視場大小等方面仍面臨挑戰(zhàn)，尤其在大規(guī)模、高時效性成像任務(wù)中，傳統(tǒng)技術(shù)的局限性更加明顯。為進一步拓展其能力，研究者們引入了人工智能手段，如智能自適應的成像方案、深度學習等，旨在克服傳統(tǒng)成像中的權(quán)衡問題，即時空分辨率、視場和樣本健康（圖1）。本文綜述了光片熒光顯微鏡在智能成像、圖像恢復技術(shù)、數(shù)據(jù)處理方面的應用及發(fā)展，旨在為生命科學研究人員提供全面的了解和參考，推動光片顯微鏡在未來生物醫(yī)學和臨床成像中的應用和發(fā)展。

圖1 光片顯微鏡的典型模態(tài)與成像權(quán)衡問題。（a）倒T形雙物鏡光片顯微鏡；（b）傳統(tǒng)成像過程的權(quán)衡“金字塔”，即時空分辨率、視場和樣本健康

• 智能、自適應成像方案賦能的光片顯微成像技術(shù)

傳統(tǒng)的光片顯微鏡成像受限于奈奎斯特采樣定律，面臨樣本健康、時間分辨率、空間分辨率以及視場范圍之間的權(quán)衡。為了克服這些限制，現(xiàn)代光片顯微鏡引入了智能成像方案，根據(jù)樣本的特性實時反饋自動調(diào)整成像參數(shù)，如時空采樣、視場和樣本輻照強度等。這些自適應成像方案使顯微鏡能夠動態(tài)優(yōu)化關(guān)鍵參數(shù)，如光片生成角度、焦距控制等，來獲取佳的圖像分辨率和對比度，既提升了成像效率，又有效減輕了樣本損傷。這些技術(shù)的引入，使得光片顯微鏡能夠在智能化、自適應的框架下，提供更高質(zhì)量的長時間、動態(tài)觀察結(jié)果（圖2）。

圖2 基于自動圖像評分的智能光片成像流程，通過連續(xù)和長期成像策略展示了嵌合抗原受體（CAR）改造的T細胞對癌細胞的細胞毒性機制的動態(tài)和高通量的成像結(jié)果

• 基于深度學習的圖像恢復技術(shù)

近年來，深度學習在圖像處理領(lǐng)域的應用日益廣泛，并在圖像識別、修復、分割和增強等方面展現(xiàn)出的性能。其神經(jīng)網(wǎng)絡(luò)擅長處理非線性問題的特點，使其在解決熒光圖像分辨率增強與去噪等逆問題上尤為出色。深度學習不僅能顯著提高熒光顯微成像的時間與空間分辨率，還能提升光學通量，從而突破傳統(tǒng)成像技術(shù)在性能平衡上的局限性。目前，基于深度學習的恢復技術(shù)已成功應用于各種光片顯微鏡系統(tǒng)，用于提升其時空分辨率，實現(xiàn)超高時空分辨率觀測。

圖3 深度學習賦能熒光顯微鏡，在圖像去噪、表面投影等熒光圖像修復任務(wù)上取得了良好效果

• 高效數(shù)據(jù)處理與分析技術(shù)

光片熒光顯微鏡生成的海量數(shù)據(jù)需要高效的數(shù)據(jù)處理方法。傳統(tǒng)的手動分析已無法滿足需求，而深度學習算法，尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN），通過自動化數(shù)據(jù)解讀，幫助研究人員從大規(guī)模數(shù)據(jù)中提取有意義的生物學信息，極大提高了數(shù)據(jù)處理速度和準確性。目前高效數(shù)據(jù)處理平臺的涌現(xiàn)給光片顯微鏡在成像過程中實時處理成像數(shù)據(jù)提供了可能，通過直觀的界面和圖形化編程，降低了復雜分析工作流的門檻，無需編寫代碼即可設(shè)計和監(jiān)控流程，推動了生物顯微成像領(lǐng)域的自動化與智能化（圖4）。我們預計在不久的將來數(shù)據(jù)處理的速度將會有顯著提升，進一步克服傳統(tǒng)成像中的權(quán)衡問題。

圖4 高效數(shù)據(jù)處理方法及平臺在光片顯微鏡中的發(fā)展及應用。(a)~(c) PetaKit5D數(shù)據(jù)處理平臺的整體圖像處理框架，提供了一個專為光片顯微鏡設(shè)計，集圖像采集、分布式處理和大規(guī)模數(shù)據(jù)處理功能于一體的高效圖像處理框架

• 總結(jié)與展望

傳統(tǒng)熒光成像技術(shù)長期面臨時空分辨率、視場與樣本健康之間的權(quán)衡問題，尤其在細胞和分子層面的研究中，這些問題尤為突出。光片熒光顯微鏡雖然在獲取大體積三維圖像方面具有顯著優(yōu)勢，但在提高采集速度和實現(xiàn)更深層次成像方面依然面臨挑戰(zhàn)。隨著人工智能（AI）特別是深度學習技術(shù)的迅速發(fā)展，未來的光片熒光顯微鏡有望突破這些局限，成為更加智能和自適應的成像工具。下一階段的技術(shù)進展將著重提升空間和時間分辨率，增強成像通量，并完善多尺度成像能力。隨著人工智能技術(shù)的不斷進步，圖像恢復技術(shù)和數(shù)據(jù)處理流程的優(yōu)化將進一步提升生物圖像的準確性和信息量。值得一提的是，光片熒光顯微鏡與其他成像技術(shù)的融合，尤其是與超分辨率顯微鏡和多光子顯微鏡的結(jié)合，展現(xiàn)出廣闊的前景。這些技術(shù)的進步不僅為生命科學領(lǐng)域提供了的觀察手段，還將在藥物發(fā)現(xiàn)和個性化醫(yī)療領(lǐng)域發(fā)揮重要作用。

隨著光片熒光顯微鏡系統(tǒng)的自動化程度不斷提高，對標準化協(xié)議和實踐的需求也愈發(fā)迫切。建立統(tǒng)一的AI驅(qū)動光片熒光顯微鏡系統(tǒng)標準，將為這些技術(shù)的廣泛應用奠定基礎(chǔ)，推動其在科研和臨床環(huán)境中的普及?？偟膩碚f，人工智能、深度學習和光片熒光顯微鏡的結(jié)合，正為生命科學研究開辟新的前沿，推動生物醫(yī)學研究進入一個嶄新的智能成像時代。

參考文獻： 中國光學期刊網(wǎng)

您好，可以免費咨詢技術(shù)客服[Daisy]

 筱曉(上海)光子技術(shù)有限公司

歡迎大家給我們留言，私信我們會詳細解答，分享產(chǎn)品鏈接給您。

免責聲明：

資訊內(nèi)容來源于互聯(lián)網(wǎng)，不代表本網(wǎng)站及新媒體平臺贊同其觀點和對其真實性負責。如對文、圖等版權(quán)問題存在異議的，請聯(lián)系我們將協(xié)調(diào)給予刪除處理。行業(yè)資訊僅供參考，不存在競爭的經(jīng)濟利益。