• 背景介紹

近年來，光片熒光顯微鏡（LSFM）作為熒光顯微技術的革新，憑借其出色的層析能力以及較低的光毒性和光漂白性，廣泛應用于生命科學研究。這一技術采用“薄"光片成像，能夠長期、實時地觀察活體生物樣本，且不損害樣本的完整性，為發育生物學、細胞動力學和疾病研究提供了全新的視角。然而，光片熒光顯微鏡在空間分辨率、時間分辨率、視場大小等方面仍面臨挑戰，尤其在大規模、高時效性成像任務中，傳統技術的局限性更加明顯。為進一步拓展其能力，研究者們引入了人工智能手段，如智能自適應的成像方案、深度學習等，旨在克服傳統成像中的權衡問題，即時空分辨率、視場和樣本健康（圖1）。本文綜述了光片熒光顯微鏡在智能成像、圖像恢復技術、數據處理方面的應用及發展，旨在為生命科學研究人員提供全面的了解和參考，推動光片顯微鏡在未來生物醫學和臨床成像中的應用和發展。

圖1 光片顯微鏡的典型模態與成像權衡問題。（a）倒T形雙物鏡光片顯微鏡；（b）傳統成像過程的權衡“金字塔"，即時空分辨率、視場和樣本健康

• 智能、自適應成像方案賦能的光片顯微成像技術

傳統的光片顯微鏡成像受限于奈奎斯特采樣定律，面臨樣本健康、時間分辨率、空間分辨率以及視場范圍之間的權衡。為了克服這些限制，現代光片顯微鏡引入了智能成像方案，根據樣本的特性實時反饋自動調整成像參數，如時空采樣、視場和樣本輻照強度等。這些自適應成像方案使顯微鏡能夠動態優化關鍵參數，如光片生成角度、焦距控制等，來獲取佳的圖像分辨率和對比度，既提升了成像效率，又有效減輕了樣本損傷。這些技術的引入，使得光片顯微鏡能夠在智能化、自適應的框架下，提供更高質量的長時間、動態觀察結果（圖2）。

圖2 基于自動圖像評分的智能光片成像流程，通過連續和長期成像策略展示了嵌合抗原受體（CAR）改造的T細胞對癌細胞的細胞毒性機制的動態和高通量的成像結果

• 基于深度學習的圖像恢復技術

近年來，深度學習在圖像處理領域的應用日益廣泛，并在圖像識別、修復、分割和增強等方面展現出的性能。其神經網絡擅長處理非線性問題的特點，使其在解決熒光圖像分辨率增強與去噪等逆問題上尤為出色。深度學習不僅能顯著提高熒光顯微成像的時間與空間分辨率，還能提升光學通量，從而突破傳統成像技術在性能平衡上的局限性。目前，基于深度學習的恢復技術已成功應用于各種光片顯微鏡系統，用于提升其時空分辨率，實現超高時空分辨率觀測。

圖3 深度學習賦能熒光顯微鏡，在圖像去噪、表面投影等熒光圖像修復任務上取得了良好效果

• 高效數據處理與分析技術

光片熒光顯微鏡生成的海量數據需要高效的數據處理方法。傳統的手動分析已無法滿足需求，而深度學習算法，尤其是卷積神經網絡（CNN），通過自動化數據解讀，幫助研究人員從大規模數據中提取有意義的生物學信息，極大提高了數據處理速度和準確性。目前高效數據處理平臺的涌現給光片顯微鏡在成像過程中實時處理成像數據提供了可能，通過直觀的界面和圖形化編程，降低了復雜分析工作流的門檻，無需編寫代碼即可設計和監控流程，推動了生物顯微成像領域的自動化與智能化（圖4）。我們預計在不久的將來數據處理的速度將會有顯著提升，進一步克服傳統成像中的權衡問題。

圖4 高效數據處理方法及平臺在光片顯微鏡中的發展及應用。(a)~(c) PetaKit5D數據處理平臺的整體圖像處理框架，提供了一個專為光片顯微鏡設計，集圖像采集、分布式處理和大規模數據處理功能于一體的高效圖像處理框架

• 總結與展望

傳統熒光成像技術長期面臨時空分辨率、視場與樣本健康之間的權衡問題，尤其在細胞和分子層面的研究中，這些問題尤為突出。光片熒光顯微鏡雖然在獲取大體積三維圖像方面具有顯著優勢，但在提高采集速度和實現更深層次成像方面依然面臨挑戰。隨著人工智能（AI）特別是深度學習技術的迅速發展，未來的光片熒光顯微鏡有望突破這些局限，成為更加智能和自適應的成像工具。下一階段的技術進展將著重提升空間和時間分辨率，增強成像通量，并完善多尺度成像能力。隨著人工智能技術的不斷進步，圖像恢復技術和數據處理流程的優化將進一步提升生物圖像的準確性和信息量。值得一提的是，光片熒光顯微鏡與其他成像技術的融合，尤其是與超分辨率顯微鏡和多光子顯微鏡的結合，展現出廣闊的前景。這些技術的進步不僅為生命科學領域提供了的觀察手段，還將在藥物發現和個性化醫療領域發揮重要作用。

隨著光片熒光顯微鏡系統的自動化程度不斷提高，對標準化協議和實踐的需求也愈發迫切。建立統一的AI驅動光片熒光顯微鏡系統標準，將為這些技術的廣泛應用奠定基礎，推動其在科研和臨床環境中的普及。總的來說，人工智能、深度學習和光片熒光顯微鏡的結合，正為生命科學研究開辟新的前沿，推動生物醫學研究進入一個嶄新的智能成像時代。

參考文獻： 中國光學期刊網

您好，可以免費咨詢技術客服[Daisy]

 筱曉(上海)光子技術有限公司

歡迎大家給我們留言，私信我們會詳細解答，分享產品鏈接給您。

免責聲明：

資訊內容來源于互聯網，不代表本網站及新媒體平臺贊同其觀點和對其真實性負責。如對文、圖等版權問題存在異議的，請聯系我們將協調給予刪除處理。行業資訊僅供參考，不存在競爭的經濟利益。