打破传统限制！深度学习赋能的高通量荧光显微成像技术

在生物医学研究的广袤领域中，显微镜如同一盏明灯，照亮了对微观世界的探索之路。然而，显微镜的光学孔径和测量带宽的有限性限制了生物应用中的信息获取，包括在观测生物体系的精细亚细胞结构动力学过程、活体超快瞬态生物学过程，以及介观离体组织的高效三维成像等，这一问题成为多领域生物医学研究的制约因素。

传统荧光显微镜的局限性促使研究人员着手探索新型荧光显微成像原理和方法。为了打破这一桎梏，研究者们引入了人工智能手段，以提高荧光显微成像的速度和精度，从而增加信息获取的通量。

华中科技大学费鹏、张玉慧团队合作发表了《深度学习赋能的高通量荧光显微成像技术（特邀）》文章，以细胞生物学、发育生物学和肿瘤医学为视角，详细分析了在这些领域中通量限制带来的挑战。结合深度学习，突破了传统荧光显微成像的通量限制问题，为物理光学和图像处理领域的进一步发展提供了契机。

随着荧光标记技术的不断发展，以及在样本处理、激光技术和光电探测器领域的重大突破，多种荧光显微技术相继涌现。目前主流的荧光显微镜包括共聚焦荧光显微镜、光片荧光显微镜和光场荧光显微镜等不同类型。

共聚焦荧光显微镜

1957年首次提出概念，20年后开发出原型，1980年开始商业化应用。其工作原理是在宽场荧光显微镜的基础上增加一对共轭的针孔，只有物镜焦平面上的荧光信号才会被记录到光电倍增管中，采用逐点、逐行、逐层的方式快速扫描样本，实现三维成像。但存在光毒性和光漂白的问题，成像速度有限。

光片荧光显微镜

2004年首次提出，是一种三维成像技术。通过引入额外的照明光路来创建一层非常薄的光片，将样品照亮，只有光片穿过的薄层能够被激发出荧光信号，同时与光片正交的探测光路聚焦在这个光片上，以采集荧光图像。具有出色的层析能力以及更低的光毒性和光漂白性，能以较低的损伤对样品进行快速三维成像。

光场荧光显微镜

用于参数化表示四维光辐射场，同时包含位置和方向信息的一种空间成像技术。借助微透镜阵列的周期性调制，将三维空间信息编码成二维图像，然后通过解码过程来重新构建出三维信息。能够在一次曝光中获取完整的体三维图像，具有出色的体积成像速度，广泛应用于生物活动观测。

图1 传统荧光显微镜成像光路及特点示意图
（a）共聚焦显微镜；（b）光片显微镜；（c）光场显微镜

在当前的三维荧光显微成像领域，共聚焦技术已经在实验室中得到广泛应用。然而，由于存在扫描速度缓慢、光子利用率低，以及光毒性较大等问题，其应用仍然受到一定限制，亟待光片、光场等新型成像技术的革新。因此，如何进一步提高光片和光场显微成像的时空带宽积，成为亟待解决的问题。

深度学习赋能的活细胞超分辨成像

传统荧光显微镜受光学衍射极限的限制，无法清晰观察细胞内部结构。超分辨显微成像技术从根本上改善了光学显微成像的时空性能，但传统的超分辨显微成像技术时间分辨率低，对生物标记和多色成像提出挑战。

深度学习与光学显微镜结合开启了超分辨显微成像的新纪元，光片照明显微镜结合深度学习可提高成像空间分辨率，结构光显微镜结合深度学习可提高成像时间分辨率，单分子定位显微镜结合深度学习可提高成像时间分辨率。

图2 （a）~（d）深度学习赋能光片显微镜突破衍射极限，提高成像空间分辨率，图中包含DR-SPIM（未结合深度学习方法）以及IDDR-SPIM（结合深度学习方法）空间分辨率及时序结果的展示及对比；（e）（f）深度学习赋能结构光显微镜提高成像时间分辨率。图中包含原理示意图以及微管重建结果；（g）~（j）深度学习赋能单分子定位显微镜提高成像时间分辨率，图中包含原理示意图以及与其他方法的对比图

深度学习赋能的瞬态生物学过程超快成像

很多重要的活体动态过程需被高速且精准地观测，新型光场显微成像结合深度学习可解决传统方法空间分辨率下降的问题，实现对光场图像的高分辨重建。

图3 （a）VCD-Net重建流程；（b）（c）分别通过VCD-LFM和LFDM 计算的跳动心肌细胞核的一个瞬时体积的xy（上）和xz（下）面的MIP；（d）（e）分别通过VCD-LFM和LFDM在一个时间点对跳动心肌进行三维可视化；（f）一个心动周期中舒张期和收缩期期间的心肌体积；（g）一个心动周期中心室舒张期和收缩期的容积变化率

深度学习赋能的离体组织高通量成像

光片荧光显微成像结合组织透明化技术已成为整体组织成像的前沿技术，但存在大视场和高分辨率难以兼顾的问题。深度学习与光片显微镜结合可提升整体分辨率，解决大组织样本的深层散射问题，提高轴向图像的分辨率。

图4 （a）~（e）CACS赋能光片显微镜提高成像分辨率的流程示意图及效果展示图［42］；（h）~（i）Self-Net赋能荧光显微镜提升轴向分辨率，原始数据和Self-Net输出数据比较展示图

通量限制给多个领域的生物医学研究带来了挑战，通过引入新的成像原理和方法，以及深度学习等人工智能手段，有助于研究者更清晰地观察生物体系中的现象。

深度学习在高通量荧光显微成像技术中的应用不仅对物理光学和图像处理领域具有重要意义，还有望推动生物医学研究的创新，帮助科学家们更深入地理解生命和健康领域的复杂现象，为未来的研究和应用提供新的可能性。

声明：本文仅用作学术目的。内容及图片来源于《中国激光杂志社》、《中国光学十大进展：深度学习赋能的高通量荧光显微成像技术（特邀）》；DOI：10.3788/LOP232549；如涉及版权问题，可联系工作人员删除处理。