基于自适应光流学习与Transformer的深层组织三光子荧光显微成像运动伪影校正技术

来自国际前沿团队的研究人员针对三光子荧光显微镜(3PFM)在深层组织动态成像中的运动伪片问题，开发出基于Transformer架构的StabiFormer网络。该技术通过稳定-动态特征提取器精准捕捉层间动态，在脑血管成像中实现近零位移误差，并成功获得肠道300μm深度处巨噬细胞与血管系统的无伪影3D图像，为研究肠道免疫微血管等动态器官系统提供了革命性非侵入式解决方案。

　　

在深层组织成像领域，三光子荧光显微镜(three-photon fluorescence microscopy, 3PFM)虽能实现高分辨率三维成像，却常因生理环境动态变化产生严重运动伪影。传统手术固定和图像配准算法在剧烈非均匀运动、低纹理或高度形变区域往往失效。研究团队创新性提出StabiFormer——这个搭载稳定-动态特征提取器的Transformer光学流学习网络，通过捕捉层间动态特征实现精准图像配准。

验证实验显示，该技术在脑血管3PFM数据中相对真实值实现了近零位移误差(<1μm)。更突破性的是，在肠道免疫研究关键深度300μm处，首次获得肠蠕动过程中巨噬细胞与微血管系统的无伪影三维图像，该深度正是研究肠道免疫微血管互作(immune-microvasculature crosstalk)的黄金窗口。这项非侵入式计算成像技术，为活体器官系统的定量研究打开了新纪元。

图示摘要生动展示：StabiFormer成功消除肠道蠕动产生的复杂运动伪影，使免疫细胞(如CX₃CR1⁺巨噬细胞)与血管网络的动态互作过程首次得以清晰呈现。这项技术突破将推动从神经血管单元(neurovascular unit)到肠-脑轴(gut-brain axis)等前沿领域的机制研究。