研究生Nature Methods发现更出色的显微镜

【字体: 时间:2021年05月08日 来源:生物通

编辑推荐:

  机器学习可以帮助一些显微镜更好地观察,更快地工作并处理更多数据

  

为了观察鱼脑中迅速发出的神经元信号,科学家已开始使用一种称为光场显微镜(light-field microscopy,生物通注)的技术,该技术可以在3D模式下成像快速的生物过程。但是由于图像通常质量不高,因此将大量数据转换为3D和影片需要花费数小时或数天的时间。

现在,EMBL科学家已经将人工智能(AI)算法与两种尖端的显微镜技术相结合,这将使图像处理时间从几天缩短到了几秒钟,同时确保了生成的图像清晰且准确。

这一研究结果发表在Nature Methods杂志上。

该论文的两位一作之一,现在是慕尼黑工业大学的一名博士研究生的Nils Wagner说:“最终,我们能够采用这种方法来做到'两全其美'。人工智能使我们能够结合不同的显微镜技术,使我们能够以光场显微镜所允许的速度成像,并接近光场显微镜的图像分辨率。”

尽管光片显微镜(light-sheet microscopy)和光场显微镜听起来相似,但这些技术具有不同的优势和挑战。光场显微镜捕获大型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,例如鱼幼虫跳动的心脏。但是这种技术会产生大量数据,可能需要花费数天的时间来处理,最终的图像通常缺乏分辨率。

光片显微镜一次可将样品置于单个二维平面中,因此研究人员可以以更高的分辨率对样品成像。与光场显微镜相比,光片显微镜产生的图像处理速度更快,但数据却不那么全面,因为它们一次只能捕获单个2D平面中的信息。

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,并使用光片显微镜对AI算法进行训练,然后再创建样本的准确3D图片。

“如果构建产生图像的算法,则需要检查这些算法是否在构建正确的图像,” EMBL小组负责人Anna Kreshuk解释说,他的团队将机器学习专业知识带入了该项目。“在这项新研究中,研究人员使用了光片显微镜来确保AI算法有效。这使我们的研究脱颖而出。”

建造更好的显微镜的真正瓶颈通常不是光学技术,而是计算技术。这就是为什么,早在2018年,EMBL小组负责人Robert Prevedel和Anna就决定合作。Robert说:“对于想要研究大脑如何计算的人们来说,我们的方法将是真正的关键。我们的方法可以实时成像鱼幼虫的整个大脑。”

他们表示,可以对这种方法进行修改,使其也可以与不同类型的显微镜一起使用,最终使生物学家可以观察数十种不同的标本,并且可以更快地看到更多的标本。例如,它可以帮助找到与心脏发育有关的基因,或者可以同时测量成千上万个神经元的活性。

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。

(生物通:万纹)

原文链接:

http://dx.doi.org/10.1038/s41592-021-01136-0

Deep learning-enhanced light-field imaging with continuous validation

 

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号