Nat Commun丨何思聪课题组开发基于深度学习的快速自适应光学技术用于深层活体复杂组织成像|何思聪|信号|光学技术|显微镜|特种光纤|神经元|自适应

长期以来，双光子显微镜一直是深层活体成像（如斑马鱼、小鼠活体成像）的 “ 金标准 ” 。然而，在复杂的活体环境中，组织折射率的不均匀会导致光线发生严重的散射与折射，进而造成点扩散函数畸变、图像对比度锐减。这会导致成像质量严重恶化，进而在实际成像观测中造成 “ 细胞结构细节难分辨、轨迹难追踪、信号难提取 ” 的底层困境，极大地限制了高分辨率深层组织成像的进一步发展。自适应光学技术可用于校正此类畸变，但传统的自适应光学技术要么依赖于精密且复杂昂贵的波前探测器硬件，要么依赖于十分耗时的优化迭代过程，均限制了自适应光学技术的进一步推广及应用。近年来，基于深度学习的计算自适应光学技术带来了新的可能，但在活体成像中的应用前景还仍待进一步的探索。

2026 年 5 月 20 日，南方科技大学何思聪课题组在 Nature Communications 发表了题为 Physics-informed multi-encoder adaptive optics enables rapid aberration correction for intravital microscopy of deep complex tissue 的研究论文。该研究开发了一种物理驱动的多编码器自适应光学技术(MeNet-AO)，该技术有效克服了活体环境中大像差、极低信噪比以及生物体呼吸和心跳带来的运动伪影等严峻挑战，实现了快速、稳健的自适应光学校正。研究团队利用该技术，实现了斑马鱼脑部和眼睛神经元的深层高分辨率成像，并进一步地在小鼠（开颅及薄颅骨模型）中，分别实现了对神经元与小胶质细胞高保真的动态结构与功能成像，充分彰显了该技术在复杂生理环境下的卓越应用潜力。

研究团队首先自主搭建了自适应光学双光子显微镜系统（图1）。在算法架构上，该研究基于严格的物理成像推导，通过波前调制解耦生物结构与像差特征，并利用频域正则化提取抗噪的纯粹像差信息。随后，由三个并行编码器对不同调制特征进行高效处理，最终融合输出表征像差的泽尼克系数（图1）。这一物理驱动的多编码器架构成功将像差校正时间从传统迭代算法的 30 秒以上大幅压缩至 5 秒以内。

图 1 MeNet-AO 框架示意图及自主搭建的自适应光学双光子显微镜

在成功完成系统搭建与模型严谨验证的基础上，研究团队率先利用该技术对神经元标记的转基因斑马鱼进行了深层组织成像（图2）。实验结果表明，在斑马鱼脑成像中，经 MeNet -AO 校正后的神经元胞体与突触的亮度及对比度均获显著提升。此外，面对因眼球天然曲率而导致成像质量严重退化的成像场景， MeNet -AO 亦表现出优异的校正性能，不仅有效增强了视网膜内核层（ INL ）的神经元信号，还成功实现了对轴突向内丛状层（ IPL ）延伸之精细投射结构的高清晰度解析。

图 2 MeNet-AO 技术显著提升斑马鱼活体神经元成像质量

随后，研究团队在哺乳动物小鼠模型上进一步开展了活体自适应光学成像实验。实验表明， MeNet -AO 在深层组织成像中展现出优异的像差校正性能，提升了神经元显微成像的分辨率。同时，在功能成像维度，该技术亦显著增强了对神经元钙响应活动的捕捉精度与分析效率，实现了结构与功能维度的双重高保真解析。

在此基础上，研究团队进一步挑战了更具难度的薄颅骨窗口下小胶质细胞活体成像。面对薄颅骨所引入的复合光学像差， MeNet -AO 技术凭借出色的鲁棒性，在微弱荧光信号条件下实现了精准的波前校正。颅骨像差校正后，小胶质细胞的胞体信号显著增强，成像分辨率的提升使得其精细的分支突起结构清晰可见。不仅如此，团队还实现了薄颅骨下小胶质细胞的钙成像，并成功观测到钙信号在小胶质细胞分支间的传播模式。

MeNet-AO有效突破了传统自适应光学技术依赖引导星或校正过程缓慢的局限。该技术成功实现了对7种大振幅像差的快速、精准校正。得益于其出色的抗噪性、结构鲁棒性以及深层组织适配能力， MeNet -AO 能够在极低信噪比和强散射的复杂活体环境中，实现对神经元及小胶质细胞的高分辨率动态显微成像，为深层活体观测提供了全新的利器。

何思聪助理教授为该论文唯一通讯作者，何思聪课题组博士研究生成相璋和硕士生王博为本论文的并列第一作者，硕士毕业生骆立和博士研究生孙兆炜为项目提供了重要帮助，南方科技大学温子龙讲席教授为本研究提供了转基因斑马鱼 ( Neurod:GFP ; flk1:DsRedx), 华南理工大学刘勇研究员为本研究提供了转基因小鼠 (CX3CR1-tdTomato-GCaMP7s) 。

https://www.nature.com/articles/s41467-026-73389-2

制版人：十一

学术合作组织

（*排名不分先后）