加州大學(xué)洛杉磯分校的研究小組設(shè)計了一種技術(shù)，可以擴(kuò)展熒光顯微鏡的功能，該技術(shù)使科學(xué)家能夠使用在特殊照明下發(fā)光的染料精確標(biāo)記活細(xì)胞和組織的一部分。研究人員利用人工智能將二維圖像轉(zhuǎn)換成虛擬三維切片的堆棧，這些三維切片顯示了生物體內(nèi)的活動。

在《自然方法》上發(fā)表的一項研究中，科學(xué)家們還報告說，他們的名為“ Deep-Z”的框架能夠修復(fù)圖像中的錯誤或像差，例如當(dāng)樣品傾斜或彎曲時。此外，他們證明了該系統(tǒng)可以從一種類型的顯微鏡拍攝2D圖像并虛擬地創(chuàng)建樣品的3D圖像，就好像它們是由另一臺更高級的顯微鏡獲得的一樣。

加州大學(xué)洛杉磯分校(UCLA)校長電氣教授Aydogan Ozcan說：“這是一種非常強(qiáng)大的新方法，通過深度學(xué)習(xí)可以對活體標(biāo)本進(jìn)行3D成像，同時使對樣品的毒性最小的光暴露最少。”加州大學(xué)洛杉磯分校加州大學(xué)納米系統(tǒng)研究所的計算機(jī)工程和副主任。

除了使標(biāo)本免于潛在的有害劑量照射外，該系統(tǒng)還可以為生物學(xué)家和生命科學(xué)研究人員提供一種新的3-D成像工具，該工具比當(dāng)前方法更簡單，更快且更便宜。校正像差的機(jī)會可能使研究活生物體的科學(xué)家能夠從圖像中收集數(shù)據(jù)，否則這些圖像將無法使用。研究人員還可以虛擬訪問昂貴且復(fù)雜的設(shè)備。

這項研究基于Ozcan及其同事開發(fā)的較早技術(shù)，該技術(shù)使他們能夠以超分辨率渲染二維熒光顯微鏡圖像。兩種技術(shù)都依靠深度學(xué)習(xí)來提高顯微技術(shù)的準(zhǔn)確性，即使用數(shù)據(jù)來“訓(xùn)練”神經(jīng)網(wǎng)絡(luò)，即受人腦啟發(fā)的計算機(jī)系統(tǒng)。

Deep-Z是使用來自掃描熒光顯微鏡的實驗圖像教授的，該圖像可以在多個深度聚焦，以實現(xiàn)樣品的3D成像。在數(shù)千次訓(xùn)練中，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了如何拍攝2D圖像并推斷出樣品中不同深度的準(zhǔn)確3D切片。然后，對框架進(jìn)行了盲目測試-注入了不是其訓(xùn)練內(nèi)容的圖像，并且將虛擬圖像與從掃描顯微鏡獲得的實際3-D切片進(jìn)行了比較，從而提供了出色的匹配度。

Ozcan和他的同事將Deep-Z應(yīng)用于秀麗隱桿線蟲的圖像，秀麗隱桿線蟲由于其簡單易懂的神經(jīng)系統(tǒng)而成為神經(jīng)科學(xué)中的常見模型。研究人員將蠕蟲的2D電影逐幀轉(zhuǎn)換為3D電影，從而能夠跟蹤蠕蟲體內(nèi)單個神經(jīng)元的活動。然后從在不同深度拍攝的秀麗隱桿線蟲的一幅或兩幅2-D圖像開始，Deep-Z生成虛擬的3-D圖像，使團(tuán)隊可以識別蠕蟲中的單個神經(jīng)元，與掃描顯微鏡的3-D輸出相匹配，除了與生物接觸的光更少。

研究人員還發(fā)現(xiàn)，即使僅使用與樣品表面完全平行的3-D切片訓(xùn)練神經(jīng)網(wǎng)絡(luò)，Deep-Z仍可以從樣品傾斜或彎曲的2-D表面生成3-D圖像。

UCLA研究生，該出版物的第一作者，作者Yichen Wu表示：“這一功能實際上非常令人驚訝。” “有了它，您可以看透曲率或其他復(fù)雜的成像難題。”

在其他實驗中，使用來自兩種熒光顯微鏡的圖像對Deep-Z進(jìn)行了訓(xùn)練：寬視場，它將整個樣本暴露在光源下;共聚焦，它使用激光逐部分掃描樣品。Ozcan和他的團(tuán)隊表明，他們的框架可以使用樣品的2D寬視場顯微鏡圖像生成與共聚焦顯微鏡拍攝的圖像幾乎相同的3D圖像。

這種轉(zhuǎn)換很有價值，因為與寬視野相比，共聚焦顯微鏡可以產(chǎn)生更清晰，對比度更高的圖像。另一方面，寬視野顯微鏡以較少的費用和較少的技術(shù)要求捕獲圖像。

加州大學(xué)洛杉磯分校(UCLA)電氣與計算機(jī)工程學(xué)助理教授兼第一作者Yair Rivenson說：“這個平臺通常適用于各種成對的顯微鏡，而不僅僅是寬視野到共焦的轉(zhuǎn)換。” “每種顯微鏡都有其優(yōu)點和缺點。有了這個框架，您可以使用AI以數(shù)字方式連接不同類型的顯微鏡，從而實現(xiàn)兩全??其美。”

其他作者是加州大學(xué)納米系統(tǒng)研究所高級光顯微學(xué)和光譜實驗室科學(xué)總監(jiān)Eyal Ben-David和Laurent Bentolila的博士后研究生，Hongda Wang和Yilin Luo。以色列希伯來大學(xué)的克里斯蒂安·普里茨(Christian Pritz)。