机器学习技术使显微镜变得比以往更好

[[397972]]

现在，欧洲分子生物学实验室(EMBL)的科学家们已经将人工智能(AI)算法与两种尖端的显微镜技术相结合--这一进展将图像处理的时间从数天缩短到仅有几秒钟，同时确保所得到的图像是清晰和准确的。该研究结果发表在《自然方法》上。

论文的两位主要作者之一、现为慕尼黑工业大学博士生的尼尔斯-瓦格纳说："最终，我们能够在这种方法中取得'两个世界的最佳效果。人工智能使我们能够结合不同的显微镜技术，因此我们可以像光场显微镜允许的那样快速成像，并接近光片荧光显微镜的图像分辨率。"

虽然光片荧光显微镜和光场显微镜听起来相似，但这些技术有不同的优势和挑战。光场显微镜捕捉到大的三维图像，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，如鱼的幼虫的心脏跳动。但是这种技术产生大量的数据，可能需要几天时间来处理，而且最终的图像通常缺乏分辨率。

光片荧光显微镜在同一时间对特定样本的单一二维平面进行观察，因此研究人员可以以更高的分辨率对样本进行成像。与光片荧光显微镜相比，光片显微镜产生的图像处理起来更快，但数据不那么全面，因为它们一次只能从单一的二维平面捕捉信息。

为了利用每种技术的优势，EMBL的研究人员开发了一种方法，利用光场显微镜对大型三维样品进行成像，并利用光片显微镜训练人工智能算法，然后创建一个准确的样品三维图像。

Robert Prevedel是EMBL小组的负责人，他的小组贡献了新颖的混合显微镜平台，他指出，建造更好的显微镜的真正瓶颈往往不是光学技术，而是计算。这就是为什么早在2018年，他和安娜决定联合起来。"我们的方法对那些想研究大脑如何计算的人来说将是真正的关键。我们的方法可以对鱼的幼虫的整个大脑进行实时成像，"罗伯特说。

他和安娜说，这种方法也有可能被修改，以适用于不同类型的显微镜，最终使生物学家能够观察几十个不同的标本，并更快地看到更多的东西。例如，它可以帮助找到参与心脏发育的基因，或者可以同时测量成千上万个神经元的活动。

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。