活体荧光显微镜是观测生命动态的利器，但有个长期痛点：生物组织像一块不平整的毛玻璃，会让光线发生扭曲，造成严重的光学像差。镜像一糊，细胞追踪、神经信号分析等下游任务就难以精准开展。传统校正手段要么依赖昂贵费时的硬件，要么因沿用过于简化的光线模型而精度不足。
近日，清华大学戴琼海院士、吴嘉敏助理教授及卢志助理教授团队在《自然·生物技术》上发表题为《基于潜在空间增强的数字自适应光学实现高保真活体生物动态成像》的研究，提出了一套全新的纯计算像差校正方法——潜在空间增强的数字自适应光学（LEAO）。该方法不用添加任何额外硬件，而是从光场显微镜捕获的高维信息中“提炼”像差，精准还原因组织散射而模糊的微观世界。
这项工作的关键突破在于对光传播规律的重新建模和一套精巧的深度学习框架。过去的光线光学近似把多角度光线当成离散的一束束，忽略了微米尺度下至关重要的衍射效应。研究团队则回到更基础的波动光学模型，把连续波前畸变完整编码进光场显微镜的空间-角度数据，让物理规律本身参与成像重建。在此基础上，他们设计了一个“编码器-解码器”架构，将原始图像数据映射到高维的潜在空间，并在此空间中强制解耦两类信息：描述样本结构的，和包含像差干扰的。借助专门设计的潜在损失函数，代表同一像差但不同结构的特征被拉近，不同像差的特征被推远。这样，一个并行工作的估计器就能撇开样本结构变化的干扰，稳定输出高精度像差波前。
实际成像中，LEAO的能力很快在多个生物场景里得到验证。在完整小鼠淋巴结中，研究团队一次性清晰跟踪了约5000个T细胞的动态行为，解决了以往大视野边缘严重畸变的问题；在小鼠皮层多区域钙成像中，像差校正后检出神经元数量增长超过三倍，神经信号更清晰可靠。最难能可贵的是，在创伤性脑损伤小鼠模型上，LEAO首次让穿过完整颅骨的非侵入式成像实现细胞级精度，研究人员得以在近10个小时内，连续观测中性粒细胞在骨髓中激活、渗出血管并大范围汇入静脉窦的完整炎症清退过程。这套技术为脑科学、免疫学等领域提供了一把通用、高效的数字“矫正镜”，也让大规模、深层次活体动态研究离真实生物环境更近了一步。
READING
BioPeers
欢迎关注本公众号，所有内容欢迎点赞，推荐❤️，评论，转发~
如有错误、遗漏、侵权或商务合作请私信小编~~
欢迎大家投稿课题组 研究进展 、招聘及招生宣传~
所有文章只为科普、科研服务，无商业目的~
热门跟贴