首页 首页 资讯 查看内容

《自然》:分辨率提升10倍!AI助力显微镜升级,可生成高清三维图像

2021-12-06| 发布者: 阳谷生活网| 查看: 135| 评论: 1|文章来源: 互联网

摘要: ▎药明康德内容团队编辑在近现代科学的历史上,显微镜技术的一次次飞跃促成了生命科学、材料等领域的蓬勃发......
云影视免费在线看最新电视剧 https://www.yundy.cc

▎药明康德内容团队编辑

在近现代科学的历史上,显微镜技术的一次次飞跃促成了生命科学、材料等领域的蓬勃发展。20世纪50年代,人工智能先驱MarvinMinsky提出了共聚焦显微技术。相比于传统的显微镜,这种可以获取连续切片、呈现物体三维面貌的新技术迅速受到了青睐,走进了全世界的生物学实验室。

不过,共聚焦显微技术也并非没有缺点。在现有的技术下,这类显微镜在第三个维度的成像较为模糊。样本厚度越大,成像效果也越差。此外,这类显微镜成像所需的时间较长,同时荧光信号也会对观察对象产生光毒性。

现在,一项崭新的技术有望改变共聚焦显微镜的局限性,开创新的研究局面。在《自然》杂志的最新研究中,由美国国立卫生研究院(NIH)领导的研究团队开发了一款全新的多视角超分辨率共聚焦显微镜,并将该设备与深度学习技术相结合,使得共聚焦显微镜的分辨率提升了10倍以上,并且实现了对各类生物组织的高分辨率三维成像。

▲通过新型显微镜观察的癌细胞(左)与心肌细胞(右)(图片来源:参考资料[1])

领导这项研究的是NIH的HariShroff博士和吴一聪博士。对于研究团队来说,要实现共聚焦显微技术的突破,需要从硬件与软件两方面入手。

硬件方面,研究团队创建了一台能从3个方向对样本进行逐行扫描的“三视角逐行扫描共聚焦显微镜”。新的显微镜平台包含了3个不同方向的物镜,它们各自成像,随后在计算机中拼合成一张完整的三维图像。

▲三视角逐行扫描共聚焦显微镜示意图(图片来源:NIHMedicalArts)

与传统的共聚焦显微镜相比,新型显微镜的纵向分辨率大幅增加。但是,这项技术依然存在一个矛盾之处:当荧光的光照等级较高时,显微镜成像更清晰,但却会造成光中毒,损伤样本;但如果降低光照等级,成像的信噪比会下降,背景中的颗粒会使大量细节变得模糊。

因此,有没有办法在降低光中毒风险的同时,进一步提升显微镜的三维分辨率?

答案是提升软件——人工智能派上了用场。

研究团队使用的是深度学习算法,他们构建的神经网络可以对已有的成像结果进行学习。经过训练的神经网络能够区分出低质量(即低信噪比)与高质量的图像,并且即使是在输入的图像质量不高时,该网络也能预测形成高质量的图像。研究团队还发现,经过足够的训练,他们甚至可以教会神经网络根据单一视角、单一方向的分辨率提升推广到三维图像,扩展超分辨显微的效果潜力。

利用这种训练手段,研究团队在包括活体生物在内的超过20个样本中证实了这个平台的成像能力。从单个细胞中蛋白质的分布,线虫胚胎、幼虫与成年个体中的细胞核与神经元的发育过程,再到小鼠的肾脏、心脏、大脑组织……单幅图像在100纳米~200微米的各类组织都得到了高分辨率的呈现。结合了深度学习之后,新型显微镜的分辨率相较于传统的共聚焦显微镜提升了10倍以上。

▲该显微镜对小鼠不同组织的成像效果(图片来源:参考资料[1])

吴一聪博士表示:“这项显微成像技术为生物学研究提供了一种新的工具和思路,它能利用深度学习降低光毒性以及提高分辨率,实现对散射样品的三维超分辨、动态、长时间成像,从而帮助科学家探索更多的生物奥秘。”本文另一位作者,徕卡的生物学家苏怡骏认为,该系统能够和膨胀显微镜进行有机结合,有望实现在完整的生物样本中观察小于50纳米的细胞超微结构。

目前,该研究团队和其他合作者已经利用这套系统完成了一些生物领域的应用。今后随着神经网络的持续训练,以及深度学习自身算法的提升,相信这套全新的显微成像系统还将带来更多惊喜。

这篇标题为MultiviewConfocalSuper-ResolutionMicroscopy的论文发表于《自然》杂志,美国国家生物医学成像与生物工程研究所(NIBIB)的吴一聪和清华大学博士生韩晓霏为共同第一作者,吴一聪为通讯作者,HariShroff为项目总负责人。

参考资料:

[1]YicongWuetal.,Multiviewconfocalsuper-resolutionmicroscopy.Nature(2021)https://doi.org/10.1038/s41586-021-04110-0.

[2]Enhancingtheworkhorse:Artificialintelligence,hardwareinnovationsboostconfocalmicroscope’sperformance.RetrievedNov24th,2021fromhttps://www.eurekalert.org/news-releases/935905

免责声明:药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的,文中观点不代表药明康德立场,亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导,请前往正规医院就诊。



鲜花

握手

雷人

路过

鸡蛋
| 收藏

最新评论(1)

Powered by 阳谷生活网 X3.2  © 2015-2020 阳谷生活网版权所有