<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          超衍射極限1.5倍,成像條件低10倍,清華、中國科學(xué)院用AI方法提高顯微鏡分辨率

          共 2274字,需瀏覽 5分鐘

           ·

          2024-06-13 17:00

             
          來源:ScienceAI
          本文約1500字,建議閱讀5分鐘
          僅使用一張低分辨率和低信噪比的平面圖像或體積圖像堆棧,從而實現(xiàn)零樣本實現(xiàn)。


          圖示:通過 ZS-DeconvNet 對快速光敏生物過程進行長期 SR 成像。(來源:論文)

          計算超分辨率方法,包括傳統(tǒng)的分析算法和深度學(xué)習(xí)模型,極大地改進了光學(xué)顯微鏡。其中,有監(jiān)督深度神經(jīng)網(wǎng)絡(luò)表現(xiàn)出了出色的性能,但由于活細胞的高動態(tài)性,需要大量的高質(zhì)量訓(xùn)練數(shù)據(jù),而獲取這些數(shù)據(jù)非常費力甚至不切實際。
          在最新的研究中,清華大學(xué)和中國科學(xué)院的研究人員開發(fā)了零樣本反卷積網(wǎng)絡(luò)(Zero-shot deconvolution networks,ZS-DeconvNet),可立即將顯微鏡圖像的分辨率提高超過衍射極限 1.5 倍以上,同時熒光比普通超分辨率成像條件低 10 倍,以無監(jiān)督的方式進行,無需地面事實或額外的數(shù)據(jù)采集。
          研究人員還展示了 ZS-DeconvNet 在多種成像模式上的多功能適用性,包括全內(nèi)反射熒光顯微鏡、三維寬視場顯微鏡、共焦顯微鏡、雙光子顯微鏡、晶格光片顯微鏡和多模態(tài)結(jié)構(gòu)照明顯微鏡;它能夠?qū)挠薪z分裂單細胞到小鼠和秀麗隱桿線蟲的多細胞胚胎的亞細胞生物過程進行多色、長期、超分辨率 2D/3D 成像。
          該研究以「Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy」為題,于 2024 年 5 月 16 日發(fā)布在《Nature Communications》。
          光學(xué)熒光顯微鏡對于生物研究至關(guān)重要,而超分辨率技術(shù)的進步極大提高了成像細節(jié),但伴隨空間分辨率提升的是其他成像參數(shù)的折衷。計算超分辨率方法憑借其能在線提升圖像質(zhì)量、增強現(xiàn)有設(shè)備性能且擴展應(yīng)用范圍的能力,成為研究熱點。
          這些方法分為基于分析模型的去卷積等技術(shù)和基于深度學(xué)習(xí)的 Super-Resolution(SR)網(wǎng)絡(luò)兩大類。前者受限于參數(shù)調(diào)優(yōu)及對復(fù)雜成像環(huán)境適應(yīng)性差的問題,后者雖能通過大數(shù)據(jù)學(xué)習(xí)復(fù)雜圖像轉(zhuǎn)換,卻面臨數(shù)據(jù)獲取難度大、高度依賴訓(xùn)練數(shù)據(jù)質(zhì)量的挑戰(zhàn),這限制了深度學(xué)習(xí)超分辨率技術(shù)在生物研究日常應(yīng)用中的普及。
          在這里,清華大學(xué)和中國科學(xué)院的研究團隊提出了一個零樣本反卷積深度神經(jīng)網(wǎng)絡(luò)框架 ZS-DeconvNet,它能夠以無監(jiān)督的方式訓(xùn)練 DLSR 網(wǎng)絡(luò),僅使用一張低分辨率和低信噪比的平面圖像或體積圖像堆棧,從而實現(xiàn)零樣本實現(xiàn)。
          圖示:零樣本反卷積網(wǎng)絡(luò)。(來源:論文)
          因此,與最先進的 DLSR 方法相比,ZS-DeconvNet 可以適應(yīng)不同的生物成像環(huán)境,其中生物過程過于動態(tài)、對光過于敏感而無法獲取真實的 SR 圖像,或者圖像獲取過程受到未知和非理想因素的影響。
          研究人員表示,即使在單個低信噪比輸入圖像上進行訓(xùn)練,ZS-DeconvNet 也可以將分辨率提高超過衍射極限 1.5 倍以上,并具有高保真度和可量化性,并且無需進行特定于圖像的參數(shù)調(diào)整。
          ZS-DeconvNet 適用于多種成像模式,從掃描顯微鏡到寬場檢測顯微鏡,并在多種樣本和顯微鏡設(shè)置中展示了其能力。
          圖示:將 ZS-DeconvNet 推廣到多種成像模式。(來源:論文)
          研究人員證明了經(jīng)過適當(dāng)訓(xùn)練的 ZS-DeconvNet 可以在毫秒時間尺度上推斷出高分辨率圖像,實現(xiàn)對多個細胞器相互作用、遷移和有絲分裂的光敏感過程中的細胞骨架和細胞器動力學(xué),以及發(fā)育中的線蟲和小鼠胚胎的亞細胞結(jié)構(gòu)和動力學(xué)的高通量長期 SR 2D/3D 成像。
          圖示:多模態(tài) SIM 數(shù)據(jù)中的零樣本去噪和分辨率增強。(來源:論文)
          此外,為了讓生物學(xué)研究社區(qū)能夠廣泛使用 ZS-DeconvNet,該團隊建立了一個 Fiji 插件工具箱和一個 ZS-DeconvNet 方法的教程主頁,用戶無須深度學(xué)習(xí)知識也能輕松使用。
          盡管具有廣泛適用性和穩(wěn)健性,ZS-DeconvNet 用戶需注意潛在的幻想生成及其局限,如低熒光信號誤識別、應(yīng)用于不同成像模式的圖像時性能下降、PSF 匹配不當(dāng)導(dǎo)致的問題,以及無監(jiān)督學(xué)習(xí)下的分辨率提升不如監(jiān)督學(xué)習(xí)明顯。
          未來,通過結(jié)合更先進的網(wǎng)絡(luò)架構(gòu)、拓展至其他光學(xué)超分辨技術(shù)、采用領(lǐng)域適應(yīng)或泛化技術(shù),以及處理空間變化的PSF,ZS-DeconvNet的功能和應(yīng)用范圍將進一步擴大。
          論文鏈接:https://www.nature.com/articles/s41467-024-48575-9
          編輯:文婧

          瀏覽 31
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  操逼网站免费 | 亚洲av免费在线看 | 人人操人人网站 | 中文字幕免费在线观看视频 | 95无码人妻精品一区二区三区 |