基于光学相位辅助的硅基光流控时间拉伸成像稳健流式细胞术研究

本研究针对成像流式细胞术(IFC)中因实验扰动（如随机离焦和离轴光耦合）导致的图像质量下降问题，创新性地提出了一种结合光学相位辅助的硅基光流控时间拉伸成像(OTS)系统。通过生成对抗网络(GAN)对亮场(BF)与相位图像进行配对训练，有效消除伪影，使细胞分类准确率提升67%。该研究为高通量单细胞分析提供了可扩展的稳健解决方案，对癌症生物学和微生物学等领域具有重要意义。

　　

在生命科学和医学研究领域，高通量单细胞分析技术正成为解析细胞异质性的关键工具。传统流式细胞术(FC)虽能实现每秒数万细胞的快速检测，却难以获取细胞形态学细节。光流控时间拉伸成像(Optofluidic Time-Stretch, OTS)技术的出现弥补了这一缺陷，它通过将细胞包裹在光脉冲中进行超高速成像，每秒可捕获超过10万个细胞的亮场(BF)图像。然而，这种技术对实验环境极其敏感——细胞快速运动导致的离焦、光学元件轻微错位产生的伪影，都会使同一细胞在不同实验中呈现截然不同的图像特征，严重制约了数据分析的可重复性。

针对这一技术瓶颈，中国某研究机构团队在《Talanta》发表的研究中，创造性地将光学相位信息与深度学习相结合。研究人员发现，相位成像对离焦等扰动具有天然抗性，能稳定反映细胞折射率和厚度信息。基于这一特性，他们构建了生成对抗网络(GAN)框架，通过训练网络学习BF图像与相位图像的映射关系，成功将扰动严重的原始BF图像转化为伪影减少的清晰图像。实验证实，经该技术处理的图像使细胞分类准确率显著提升67%，为白血病检测、产脂微藻筛选等应用提供了更可靠的数据基础。

关键技术包括：1) 搭建光流控时间拉伸成像系统获取BF和相位图像对；2) 采用U-Net结构的GAN生成器进行图像转换；3) 使用包含编码器-瓶颈层-解码器的自动编码器(AE)模型评估分类性能；4) 通过日本JSPS等资助项目支持的实验平台验证系统鲁棒性。

Experimental section
研究团队设计了一套完整的硅基OTS成像流程。通过干涉测量法获取原始BF图像的同时，同步采集包含细胞物理特性的相位图像。GAN生成器采用包含跳跃连接的U-Net架构，能有效保留细胞关键形态特征，而判别器则通过对抗训练确保生成图像的生物合理性。

GAN Generator Training
为验证系统性能，研究人员对比了传统OTS原始图像与生成图像的分类效果。两个独立的自动编码器模型分析表明，生成图像不仅统一了细胞阴影位置等模式特征，更显著改善了图像模糊度。这种一致性使得卷积神经网络(CNN)能更准确地提取细胞特征，分类错误率大幅降低。

Conclusion
该研究突破性地将光学相位稳定性与深度学习相结合，解决了高通量单细胞成像中的关键瓶颈问题。生成的BF图像既保留了细胞真实形态，又消除了实验变异引入的伪影，使不同批次实验数据可直接比较。这种技术路线特别适用于需要长期监测细胞状态的研究，如肿瘤药物反应评估或微生物代谢工程。

讨论
值得注意的是，相位辅助的硅基成像策略具有显著的可扩展性。研究团队指出，该方法可兼容现有商用流式细胞仪的光学模块，通过软件升级即可实现性能提升。尽管目前技术涉及专利转化可能存在利益冲突，但其开源的数据集（Zenodo存储库编号10.5281/zenodo.15641585）为学术界后续研究提供了重要资源。这项由Haochen Yan和Shu Chen作为共同第一作者完成的工作，为智能生物传感领域树立了跨学科融合的成功范例。