分辨率提升10倍！AI助力顯微鏡升級(jí) 可生成高清三維圖像

發(fā)布時(shí)間：

2021-12-02

來源：

吉妮歐

作者：

吉妮歐

閱讀數(shù)：

20世紀(jì)50年代，人工智能先驅(qū)Marvin Minsky提出了共聚焦顯微技術(shù)。相比于傳統(tǒng)的顯微鏡，這種可以獲取連續(xù)切片、呈現(xiàn)物體三維面貌的新技術(shù)迅速受到了青睞，走進(jìn)了全世界的生物學(xué)實(shí)驗(yàn)室

　　在近現(xiàn)代科學(xué)的歷史上，顯微鏡技術(shù)的一次次飛躍促成了生命科學(xué)、材料等領(lǐng)域的蓬勃發(fā)展。20世紀(jì)50年代，人工智能先驅(qū)Marvin Minsky提出了共聚焦顯微技術(shù)。相比于傳統(tǒng)的顯微鏡，這種可以獲取連續(xù)切片、呈現(xiàn)物體三維面貌的新技術(shù)迅速受到了青睞，走進(jìn)了全世界的生物學(xué)實(shí)驗(yàn)室。
　　不過，共聚焦顯微技術(shù)也并非沒有缺點(diǎn)。在現(xiàn)有的技術(shù)下，這類顯微鏡在第三個(gè)維度的成像較為模糊。樣本厚度越大，成像效果也越差。此外，這類顯微鏡成像所需的時(shí)間較長(zhǎng)，同時(shí)熒光信號(hào)也會(huì)對(duì)觀察對(duì)象產(chǎn)生光毒性。
　　現(xiàn)在，一項(xiàng)嶄新的技術(shù)有望改變共聚焦顯微鏡的局限性，開創(chuàng)新的研究局面。在《自然》雜志的最新研究中，由美國國立衛(wèi)生研究院（NIH）領(lǐng)導(dǎo)的研究團(tuán)隊(duì)開發(fā)了一款全新的多視角超分辨率共聚焦顯微鏡，并將該設(shè)備與深度學(xué)習(xí)技術(shù)相結(jié)合，使得共聚焦顯微鏡的分辨率提升了10倍以上，并且實(shí)現(xiàn)了對(duì)各類生物組織的高分辨率三維成像。
　　對(duì)于研究團(tuán)隊(duì)來說，要實(shí)現(xiàn)共聚焦顯微技術(shù)的突破，需要從硬件與軟件兩方面入手。
　　硬件方面，研究團(tuán)隊(duì)創(chuàng)建了一臺(tái)能從3個(gè)方向?qū)颖具M(jìn)行逐行掃描的“三視角逐行掃描共聚焦顯微鏡”。新的顯微鏡平臺(tái)包含了3個(gè)不同方向的物鏡，它們各自成像，隨后在計(jì)算機(jī)中拼合成一張完整的三維圖像。
　　與傳統(tǒng)的共聚焦顯微鏡相比，新型顯微鏡的縱向分辨率大幅增加。但是，這項(xiàng)技術(shù)依然存在一個(gè)矛盾之處：當(dāng)熒光的光照等級(jí)較高時(shí)，顯微鏡成像更清晰，但卻會(huì)造成光中毒，損傷樣本；但如果降低光照等級(jí)，成像的信噪比會(huì)下降，背景中的顆粒會(huì)使大量細(xì)節(jié)變得模糊。
　　因此，有沒有辦法在降低光中毒風(fēng)險(xiǎn)的同時(shí)，進(jìn)一步提升顯微鏡的三維分辨率？
　　答案是提升軟件——人工智能派上了用場(chǎng)。
　　研究團(tuán)隊(duì)使用的是深度學(xué)習(xí)算法，他們構(gòu)建的神經(jīng)網(wǎng)絡(luò)可以對(duì)已有的成像結(jié)果進(jìn)行學(xué)習(xí)。經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠區(qū)分出低質(zhì)量（即低信噪比）與高質(zhì)量的圖像，并且即使是在輸入的圖像質(zhì)量不高時(shí)，該網(wǎng)絡(luò)也能預(yù)測(cè)形成高質(zhì)量的圖像。研究團(tuán)隊(duì)還發(fā)現(xiàn)，經(jīng)過足夠的訓(xùn)練，他們甚至可以教會(huì)神經(jīng)網(wǎng)絡(luò)根據(jù)單一視角、單一方向的分辨率提升推廣到三維圖像，擴(kuò)展超分辨顯微的效果潛力。
　　利用這種訓(xùn)練手段，研究團(tuán)隊(duì)在包括活體生物在內(nèi)的超過20個(gè)樣本中證實(shí)了這個(gè)平臺(tái)的成像能力。從單個(gè)細(xì)胞中蛋白質(zhì)的分布，線蟲胚胎、幼蟲與成年個(gè)體中的細(xì)胞核與神經(jīng)元的發(fā)育過程，再到小鼠的腎臟、心臟、大腦組織……單幅圖像在100納米~200微米的各類組織都得到了高分辨率的呈現(xiàn)。結(jié)合了深度學(xué)習(xí)之后，新型顯微鏡的分辨率相較于傳統(tǒng)的共聚焦顯微鏡提升了10倍以上。

　　▲該顯微鏡對(duì)小鼠不同組織的成像效果（圖片來源：參考資料[1]）
　　目前，該研究團(tuán)隊(duì)和其他合作者已經(jīng)利用這套系統(tǒng)完成了一些生物領(lǐng)域的應(yīng)用。
　　注：原文有刪減
　　參考資料：
　　[1] Yicong Wu et al., Multiview confocal super-resolution microscopy. Nature (2021) https://doi.org/10.1038/s41586-021-04110-0.
　　[2] Enhancing the workhorse: Artificial intelligence, hardware innovations boost confocal microscope’s performance. Retrieved Nov 24th, 2021 from https://www.eurekalert.org/news-releases/935905