該研究由Min Guo、Yicong Wu、Chad M. Hobson 等多位學(xué)者合作完成，文章題為 “Deep learning-based aberration compensation improves contrast and resolution in fluorescence microscopy”，于 2025年1月在線發(fā)表于《Nature Communications》。

重要發(fā)現(xiàn)
01DeAbe方法的核心原理 
DeAbe的核心思路是利用樣本“淺層”圖像作為高質(zhì)量參考，解決像差補(bǔ)償?shù)挠?xùn)練數(shù)據(jù)問題。在3D熒光成像中，樣本淺層（靠近物鏡一側(cè)）的圖像通常受像差影響小，接近衍射極限，可作為“真值”。研究人員基于成像物理原理，對這些淺層圖像引入合成像差，使其模擬深層受像差嚴(yán)重影響的圖像，從而構(gòu)建“像差圖像-真值圖像”的訓(xùn)練對，再用3DRCAN神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)逆轉(zhuǎn)像差的能力，最終讓訓(xùn)練好的模型為未知數(shù)據(jù)消除深度相關(guān)像差。

實(shí)驗(yàn)驗(yàn)證中，團(tuán)隊(duì)將DeAbe與自適應(yīng)光學(xué)（AO）對比。在鬼筆環(huán)肽染色的PtK2細(xì)胞成像中，引入的像差掩蓋了細(xì)胞邊緣的肌動蛋白網(wǎng)等精細(xì)結(jié)構(gòu)，而DeAbe能恢復(fù)這些結(jié)構(gòu)，對比度和分辨率接近無像差真值；在固定的5天齡斑馬魚胚胎（表達(dá)GFP膜標(biāo)記）中，DeAbe與AO均能改善40-140μm深度的圖像，側(cè)向和軸向分辨率提升顯著，部分場景中DeAbe的視覺清晰度甚至優(yōu)于AO，可能源于AO校正的不完全性。

此外，DeAbe還能提升定量分析能力。在iDISCO透明化的E11.5小鼠胚胎中，它改善了血管定向分析的精度，使密集交叉血管區(qū)域的體素級方向量化更清晰；在秀麗隱桿線蟲胚胎的4D成像中，結(jié)合去卷積和各向同性增強(qiáng)網(wǎng)絡(luò)，DeAbe助力膜和核的自動分割，細(xì)胞計數(shù)更接近手動真值，還能追蹤神經(jīng)突發(fā)育動態(tài)。

創(chuàng)新與亮點(diǎn)
01突破傳統(tǒng)技術(shù)局限 
傳統(tǒng)自適應(yīng)光學(xué)（AO）雖能補(bǔ)償像差，但需測量像差波前并施加校正波前，這會減慢成像速度、增加樣本照射劑量，且設(shè)備復(fù)雜、成本高，僅少數(shù)實(shí)驗(yàn)室能使用。而DeAbe完全通過計算實(shí)現(xiàn)像差補(bǔ)償，無需額外硬件，不影響成像的時間分辨率，尤其適用于動態(tài)樣本（如快速發(fā)育的胚胎），解決了AO在速度和成本上的痛點(diǎn)。

總結(jié)與展望
DeAbe通過深度學(xué)習(xí)實(shí)現(xiàn)光學(xué)像差的計算補(bǔ)償，無需額外硬件，不犧牲成像速度和樣本安全性，效果媲美自適應(yīng)光學(xué)，在多種顯微鏡和樣本中驗(yàn)證了其提升圖像質(zhì)量和定量分析的能力。未來，研究可擴(kuò)展至橫向變化像差的校正，探索全合成數(shù)據(jù)訓(xùn)練的通用性，結(jié)合更多超分辨技術(shù)，進(jìn)一步提升對異質(zhì)樣本的適應(yīng)力，有望成為生命科學(xué)成像的常規(guī)工具，助力揭示厚樣本深處的生物結(jié)構(gòu)與動態(tài)機(jī)制。

DOI: 10.1038/s41467-024-55267-x.