編輯 | 蘿卜皮
計(jì)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(jìn)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(xì)胞的高動(dòng)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(fèi)力且不切實(shí)際。
在**的研究中，清華大學(xué)和**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(guò)衍射極限1.5倍以上，同時(shí)熒光比普通超分辨率成像條件低10倍，以無(wú)監(jiān)督的方式進(jìn)行，無(wú)需地面實(shí)驗(yàn)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(chǎng)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；它能夠夠?qū)挠薪z**單細(xì)胞到小鼠和秀麗隱桿線蟲的多細(xì)胞胚胎生物進(jìn)行多色、長(zhǎng)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(duì)于生物研究至關(guān)重要，超分辨率技術(shù)的進(jìn)步提高了成像細(xì)節(jié)，但伴隨空間分辨率提升的是其它成像參數(shù)的折衷。計(jì)算超分辨率方法憑借其能在線提升圖像質(zhì)量、增強(qiáng)現(xiàn)有設(shè)備的能力且擴(kuò)展應(yīng)用范圍，成為研究熱點(diǎn)。
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)的超分辨率（SR）網(wǎng)絡(luò)兩大類。前者受限于參數(shù)調(diào)優(yōu)及對(duì)復(fù)雜成像環(huán)境適應(yīng)性差的問(wèn)題，后者能通過(guò)大數(shù)據(jù)學(xué)習(xí)復(fù)雜圖像轉(zhuǎn)換，卻面臨獲取難度大、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)用中的普及及。
在這里，清華大學(xué)和**科學(xué)院的研究團(tuán)隊(duì)提出了一個(gè)零樣本反卷積深度神經(jīng)網(wǎng)絡(luò)框架ZS-DeconvNet，它能夠無(wú)監(jiān)督地訓(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(shí)現(xiàn)零樣本實(shí)現(xiàn)。
因此，與**進(jìn)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(guò)程過(guò)于動(dòng)態(tài)、對(duì)光過(guò)于敏感而無(wú)法獲取真實(shí)的 SR 圖像，或者圖像獲取過(guò)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(gè)低信噪比輸入圖像上進(jìn)行訓(xùn)練，ZS-DeconvNet 也可以將分辨率提高超過(guò)衍射極限 1.5 倍以上，并具有高保真度和可量化性，并且無(wú)需進(jìn)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(chǎng)檢測(cè)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(lái)源：論文）
研究人員證明了經(jīng)過(guò)適當(dāng)訓(xùn)練的 ZS-DeconvNet 可以在毫秒時(shí)間尺度上推斷出高分辨率圖像，實(shí)現(xiàn)對(duì)多個(gè)細(xì)胞器相互作用、遷移和有絲**的光敏感過(guò)程中的細(xì)胞骨架和細(xì)胞器動(dòng)力學(xué)，以及**中的線蟲和小鼠胚胎的亞細(xì)胞結(jié)構(gòu)和動(dòng)力學(xué)的高通量長(zhǎng)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(qiáng)。（來(lái)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(tuán)隊(duì)建立了一個(gè) Fiji 插件工具箱和一個(gè) ZS-DeconvNet 方法的教程主頁(yè)，用戶無(wú)須深度學(xué)習(xí)知識(shí)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(hào)誤識(shí)別、應(yīng)用于不同成像模式的圖像時(shí)性能下降、PSF 匹配不當(dāng)導(dǎo)致的問(wèn)題，以及無(wú)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(lái)，通過(guò)結(jié)合更先進(jìn)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(jìn)一步擴(kuò)大。
論文鏈接：https://www.nature.com/articles/s41467-024-48575-9
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。
