深度學習提升活細胞超分辨螢光成像速度

研究背景

細胞是生命活動的基本單元，各類細胞器、細胞骨架與蛋白質複合物以納米尺度運作。不過，傳統光學顯微技術受分辨率與成像速度限制，長時間動態觀察活細胞十分困難。

兩套策略

團隊開發出 Hierarchical DivNoising 分層降噪網絡與 Fast-MoNaLISA 稀疏採樣重建框架。前者專注恢復低信噪比圖像，後者處理欠採樣條件下的重建，兩者互補，覆蓋不同實驗約束。

性能提升

應用新方法後，RESOLFT 成像僅需約四分之一的採樣量，幀率最高提升至四倍，在維持成像保真度的同時取得更高時間分辨率，拓展了超分辨成像的實驗極限。

機構協作

研究團隊來自瑞典斯德哥爾摩皇家理工學院、德國德累斯頓工業大學與意大利米蘭人類技術城基金會。相關方法有望支持活細胞內納米結構的長時程動態觀察，服務細胞生物學等領域研究。