人工智能光环加持让传统显微镜更为强大

机器学习帮助显微镜更好地观察、更快地工作并处理更多数据

来源：欧洲分子生物学实验室

深度学习专家和显微镜专家之间的合作通过使用 AI 和使用光片显微镜对其进行地面实测，从而显着改进了数据密集型光场显微镜方法。结果是生物学家可以近乎实时地使用光场显微镜而不是几天或几周，并且生物学家使用这种显微镜来处理更多需要最详细观察的事情的能力得到了扩展。

为了观察鱼脑中的快速神经元信号，科学家们开始使用一种称为光场显微镜的技术，这使得在 3D 中对如此快速的生物过程进行成像成为可能。但图像往往质量欠佳，大量数据需要数小时或数天才能转换为 3D 卷和电影。

现在，EMBL 科学家将人工智能 (AI) 算法与两种尖端显微镜技术相结合——这一进步将图像处理时间从几天缩短到几秒钟，同时确保生成的图像清晰准确。研究结果发表在《自然方法》上。

“最终，我们能够在这种方法中‘两全其美’，”该论文的两位主要作者之一、现在慕尼黑工业大学的博士生 Nils Wagner 说。“人工智能使我们能够结合不同的显微镜技术，这样我们就可以尽可能快地成像，并接近光片显微镜的图像分辨率。”

尽管光片显微镜和光场显微镜听起来很相似，但这些技术具有不同的优势和挑战。光场显微镜捕捉大型 3D 图像，使研究人员能够以非常高的速度跟踪和测量非常精细的运动，例如鱼幼虫的跳动心脏。但这种技术会产生大量数据，可能需要数天的时间来处理，而且最终的图像通常缺乏分辨率。

光片显微镜一次可以定位在给定样本的单个 2D 平面上，因此研究人员可以以更高分辨率对样本进行成像。与光场显微镜相比，光片显微镜产生的图像处理速度更快，但数据并不全面，因为它们一次只能从单个 2D 平面捕获信息。

为了利用每种技术的优势，EMBL 研究人员开发了一种方法，该方法使用光场显微镜对大型 3D 样本进行成像，并使用光片显微镜来训练 AI 算法，然后创建样本的准确 3D 图片。

“如果您构建生成图像的算法，您需要检查这些算法是否构建了正确的图像，”EMBL 小组负责人 Anna Kreshuk 解释说，他的团队为该项目带来了机器学习专业知识。安娜说，在这项新研究中，研究人员使用光片显微镜来确保人工智能算法正常工作。“这使我们的研究从过去的研究中脱颖而出。”

EMBL 小组负责人罗伯特·普雷维德尔 (Robert Prevedel) 贡献了新型混合显微镜平台，他指出，构建更好的显微镜的真正瓶颈通常不是光学技术，而是计算。这就是为什么，早在 2018 年，他和安娜决定联手。“对于想要研究大脑如何计算的人来说，我们的方法将非常关键。我们的方法可以实时成像鱼幼虫的整个大脑，”罗伯特说。

他和安娜说，这种方法也有可能被修改以适用于不同类型的显微镜，最终让生物学家能够观察数十种不同的标本，并且看到更多、更快的东西。例如，它可以帮助找到参与心脏发育的基因，或者可以同时测量数千个神经元的活动。

接下来，研究人员计划探索该方法是否可以应用于更大的物种，包括哺乳动物。