河北
深度退化是生物學家再熟悉不過的一個問題：樣本觀察得越深，圖像就越模糊。一個蠕蟲胚胎或者一塊組織可能僅有幾十微米厚，但當儀器超出頂層進行觀測時，光的彎曲會致使顯微鏡圖像失去清晰度。
為了解決這個問題，顯微鏡專家給現有的顯微鏡添加技術以消除這些失真。但這種被稱為自適應光學的技術需要耗費時間、資金并具備專業知識，所以只有相對較少的生物學實驗室能夠使用。
現在，HHMI 詹尼利亞研究園區的研究人員以及他們的合作者已經開發出一種進行類似校正的方法，但無需使用自適應光學，無需添加額外的硬件，也無需拍攝更多圖像。Shroff 實驗室的一個團隊開發出了一種新的人工智能方法，能夠在整個厚生物樣本中生成清晰的顯微鏡圖像。
這篇論文在《自然通訊》雜志上發表。
為了創造這項新技術，該團隊首先想出一種方法，來模擬當顯微鏡對均勻樣本進行更深入成像時，圖像是怎樣退化的。
然后，他們把其模型應用于同一樣本未退化的近側圖像，致使這些清晰的圖像像更深處的圖像那樣變得扭曲。
然后，他們訓練了一個神經網絡，為整個樣本反轉這種扭曲，進而在整個樣本的深度范圍內獲得清晰的圖像。
這種方法不僅能生成更漂亮的圖像，而且還使該團隊能夠更準確地計算蠕蟲胚胎中的細胞數量，追蹤整個小鼠胚胎里的血管和束狀物，以及查看小鼠肝臟和心臟切片里的線粒體。
這種新的基于深度學習的方法除了標準顯微鏡外，不需要任何其他設備、帶有顯卡的計算機以及關于如何運行計算機代碼的簡短指導，這讓它比傳統的自適應光學技術更容易獲取。
施羅夫實驗團隊已經在使用這項新技術給蠕蟲胚胎成像，并且該團隊計劃進一步開發該模型，以降低對樣本結構的依賴程度，從而讓新方法能夠用于不太均勻的樣本。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
