编辑推荐：
光场显微镜（LFM）在体内高速 3D 成像有进展，但现有重建方法在处理速度、保真度和泛化性上存在权衡，限制其应用。研究人员提出物理驱动自监督重建网络（SeReNet），实现近衍射极限分辨率和毫秒级处理速度，助力 LFM 在多领域广泛应用。
在生物成像领域，光场显微镜（LFM）及其变体的出现，为科学家们观察生物体内的微观世界带来了新的可能。它能够实现体内高速 3D 成像，在持续神经记录和动态形态成像等方面有着独特优势。然而，现实总是不尽如人意。传统的重建方法，大多基于手工制作的 Richardson–Lucy（RL）反卷积，不仅计算成本高昂，而且容易产生伪影。想象一下，科学家们花费大量时间等待重建结果，却得到了充满瑕疵的图像，这无疑让研究进程大打折扣。此外，现有的 LFM 技术还存在 “缺失锥问题”，这使得轴向性能降低，尤其是在远离原生图像平面的层中，成像效果更是不尽人意。
近年来，虽然许多监督深度学习方法被开发出来，试图降低计算成本，但它们依然存在诸多问题。比如，空间分辨率低，在面对不同的样本结构或复杂成像环境时，泛化能力较差。而且，这些方法并没有针对扫描光场显微镜（sLFM）数据进行专门优化，导致重建结果的保真度受限。更麻烦的是，监督学习严重依赖于真实数据，但训练数据对并不容易获取，样本的多样性也很有限，这使得预训练模型在处理未见过的数据时往往表现不佳。
在这样的背景下，为了突破这些困境，清华大学的研究人员展开了深入研究。他们提出了一种物理驱动的自监督重建网络（SeReNet），旨在为 LFM 和 sLFM 实现近衍射极限分辨率的同时，达到毫秒级的处理速度。这一研究成果发表在《Nature Methods》上，引起了广泛关注。
研究人员在开展研究时，主要运用了以下几种关键技术方法：
- 构建多系统实验平台：在多个 sLFM 和 LFM 系统上进行实验，如使用不同物镜、微透镜阵列（MLA）搭建的系统，以评估 SeReNet 的性能。
- 设计网络架构：SeReNet 包含深度分解模块、去模糊融合模块和自监督模块。深度分解模块利用角度差异提取深度信息；去模糊融合模块通过多层卷积和插值实现高保真 3D 重建；自监督模块引入物理先验，指导网络学习。
- 优化相关算法：推导基于混合泊松 - 高斯（MPG）分布的负对数似然损失函数（NLL - MPG loss），提高在低信噪比下的重建保真度；开发内容感知时间加权网络（TW - Net）和快速自适应光学预处理（preDAO）模块，分别用于运动校正和像差校正。
研究结果
- SeReNet 原理：从 4D 多角度光场图像到 3D 体积的直接映射是不适定的问题，以往的监督方法容易陷入局部最优。SeReNet 利用 4D 空间角度成像先验，通过自监督神经网络，在无需训练数据对的情况下实现高性能重建。其独特的三模块框架，使网络能够逐渐收敛到有效解，且具有可解释性。
- 综合基准测试优势
- 分辨率提升：对 100nm 直径荧光珠成像显示，SeReNet 横向分辨率约 220nm，轴向分辨率约 420nm，接近衍射极限，且在轴向覆盖范围内性能更均匀。
- 抗噪能力强：推导的 NLL - MPG 损失函数使 SeReNet 在低信噪比条件下表现更稳定，能更好地区分复杂细胞器。
- 有效校正运动：TW - Net 辅助 SeReNet 自动校正空间非均匀运动，相比以往时间加权算法，分辨率、速度和使用便利性都更优。
- 像差鲁棒性高：preDAO 模块能准确估计和校正光学像差，使 SeReNet 对光学像差更具鲁棒性，且速度显著提升。
- 泛化能力出色：SeReNet 通过结合 4D 成像先验进行网络训练，能在仅用模拟数据训练的情况下，对多种实验样本实现高保真重建，优于其他监督网络。
- 兼容其他网络：SeReNet 可结合微妙数据先验，增强轴向性能，缓解 “缺失锥问题”，且相比完全监督网络，保留了更好的泛化能力。
- 多种活体模型生物实验验证
- 斑马鱼胚胎观察：在观察膜标记的斑马鱼胚胎时，SeReNet 能检测到微小的迁移体，展示其在发育生物学研究中的适用性。
- 盘基网柄菌研究：对盘基网柄菌成像时，SeReNet 校正了运动伪影，实现高保真重建，可追踪其自由移动轨迹，还观察到细胞外囊泡（EVs）的相关现象。
- 秀丽隐杆线虫成像：观察转基因秀丽隐杆线虫时，SeReNet 能清晰识别神经元，解析紧密排列的神经元，增强神经元信号的信噪比。
- 小鼠亚细胞动力学高保真研究
- 肝缺血 - 再灌注损伤（LIRI）模型：在小鼠 LIRI 模型中，SeReNet 清晰呈现了免疫细胞的相互作用，如中性粒细胞与库普弗细胞（KCs）之间的复杂动态过程，为 LIRI 的治疗提供了潜在靶点。
- 药物性肝损伤（DILI）模型：在 DILI 模型中，SeReNet 捕捉到了单核细胞与 CD63+内皮细胞（ECs）之间的动态相互作用，为药物性肝衰竭的治疗提供了新的思路。
- 斑马鱼幼虫炎症反应的两日连续 3D 成像：利用 SeReNet 对斑马鱼幼虫损伤后的免疫反应进行成像，实现了长时间、高分辨率的观察。通过量化免疫细胞的迁移和浸润，揭示了炎症过程中免疫细胞的动态变化，展示了 SeReNet 在长期、高动态体内生物实验中的潜力。
研究结论与讨论
SeReNet 的出现，为光场显微镜的 3D 重建带来了重大突破。与迭代断层扫描相比，它的处理速度提高了 700 倍，分辨率更均匀，切片能力更强；与以往的监督网络相比，分辨率提高了两倍，泛化能力更好，对噪声、样本运动和像差的鲁棒性也更强。
不过，SeReNet 也并非完美无缺。它的性能在很大程度上依赖于点扩散函数（PSF）的准确性，不准确的 PSF 可能导致性能下降。当前版本的 SeReNet 为了降低计算成本，网络参数较少，未来可考虑增加计算资源以提高分辨率。此外，轴向改进的 SeReNet 在增强轴向分辨率的同时，泛化能力略有下降，需要进一步扩大数据集来提升泛化性能。
尽管存在这些局限性，SeReNet 依然为细胞生物学、神经科学、免疫学和医学等领域的研究提供了强大的工具。它使得科学家们能够更深入地观察细胞间的相互作用，为揭示生物奥秘、开发新的治疗方法奠定了坚实的基础。相信在未来，随着技术的不断完善，SeReNet 将在更多领域发挥重要作用，推动生命科学和健康医学的发展。
