从恒星到分子：人工智能驱动的、与设备无关的超分辨率成像技术

《Nature Communications》：From stars to molecules: AI guided device-agnostic super-resolution imaging

　　

摘要

超分辨率成像技术彻底改变了从分子结构到遥远星系的各种系统的研究方式。然而，现有的超分辨率方法需要针对每一种成像设备进行大量的校准和重新训练，这限制了它们的实际应用。我们提出了一种与具体设备无关的深度学习框架，用于对点状发光体进行超分辨率成像，该框架无需校准数据或光学系统参数的明确知识。这种与设备无关的建模方法利用了涵盖多种成像条件的多样化数值模拟数据集，从而能够实现不同光学设备下的通用性。一旦完成训练，该模型就能直接从单张分辨率有限的相机图像中重建出高分辨率图像，其精度和计算效率均优于现有的最先进方法。我们通过带有可控制真实发光体位置的定制显微镜装置对这种方法进行了实验验证。此外，我们还展示了它在恒星天文学以及点状源的单分子定位显微镜数据集上的应用能力，能够在无需预先信息的情况下实现高分辨率成像。我们的研究成果为实现无需校准的通用超分辨率成像开辟了道路，进一步拓展了该技术在各个科学领域的应用范围。