光學超分辨顯微成像技術使人們能夠從微觀納米尺度觀測細胞內的動態生命活動，是當今細胞生物學、發育生物學、神經科學等生命科學領域的重要研究工具。基于深度學習的超分辨成像技術在保證成像指標，如速度、時程或視野等性能的前提下，進一步提升了顯微圖像分辨率或信噪比，表現出更大的應用前景。

　　近日，中國科學院生物物理研究所與清華大學，聯合美國霍華德休斯醫學研究所等研究團隊，在Nature Biotechnology雜志上發表了題為“Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes”的研究論文。該研究提出了一套合理化深度學習顯微成像技術框架，將光學成像模型及物理先驗與神經網絡結構設計相融合，合理化網絡訓練、預測過程，從而實現了高性能、高保真的顯微圖像去噪與超分辨重建，并結合實驗室自主研發、搭建的多模態結構光照明顯微鏡與高速晶格光片顯微鏡，將傳統成像速度/時程提升30倍以上，實現了當前國際最快、成像時程最長的活體細胞成像性能，并首次對高速擺動纖毛中轉運蛋白的多種運輸行為以及完整細胞分裂過程中核仁液-液相分離過程進行了快速、多色、長時程、超分辨觀測。

　　綜上，本研究提出了一種合理化深度學習超分辨顯微成像框架，解決了現有深度學習成像方法分辨率損失、預測不確定性、訓練集不易采集等難題。同時，人工智能算法與光學顯微成像技術的交叉創新，也為現代光學顯微成像的發展開辟了新的技術路徑。

　　原文鏈接：

　　https://www.nature.com/articles/s41587-022-01471-3

　　注：此研究成果摘自《Nature Biotechnology》雜志，文章內容不代表本網站觀點和立場，僅供參考。