学术快报 | 陈良怡实验室开发混合物理模型与深度学习的结构光超分辨重构算法

近年来，超分辨率荧光显微镜的发展极大地推动了人类对亚细胞结构的研究。其中，基于结构光照明的超分辨率荧光显微镜（SR-SIM）凭借其光子转化效率高等优点，非常适合活细胞的超分辨率成像。然而，陈良怡实验室2018年的工作提出，尽管结构光的光子转化成为超分辨的效率比其他类型的超分辨率显微镜更高，但是由于它存在的反卷积重建过程会放大图像中噪声产生伪影，从而影响超分辨率图像的可信度和定量化分析。在其提出利用时空连续性作为先验知识开发的基于海森正则化项的迭代重建方法后，其他许多研究组也开发了不同的抑制伪影的方法。已有的基于物理模型或通用先验知识的方法能够抑制噪声导致的伪影，但背景失焦引起的蜂窝状伪影、光照散射引起的伪影等不能完全抑制。而深度神经网络重建方法虽然能够更好地抑制重建超分辨率图像导致的各种伪影，但可能会产生局部失真和分辨率降低。

北京大学软件与微电子学院硕士王建勇（已毕业）、重庆邮电大学计算机学院范骏超副教授、北京大学未来技术学院博士生周博为本文的共同第一作者。北京大学未来技术学院陈良怡教授和北京大学跨学部生物医学工程系黄小帅研究员担任本文通讯作者。本研究受到国家科技重大专项计划、国家自然科学基金、北京市自然科学基金、临港实验室等经费支持。

原文链接

DOI : 10.1117/1.APN.2.1.016012

点击“阅读原文”，查看论文详情。

课题组介绍

陈良怡

北京大学未来技术学院教授

北京大学IDG麦戈文脑科学研究所PI

北大-清华生命科学联合中心PI

研究兴趣

一是研发新的成像技术，在细胞水平上聚焦于开发活细胞低光毒性高速三维超分辨率成像手段，在小型模式动物上聚焦于开发大视场高分辨率双光子光片成像手段，在小鼠等哺乳动物活体成像聚焦于微型化双光子、以及深层成像的三光子成像等手段。第二，基于活细胞超分辨率成像数据，结合自主开发的深度学习等图像压缩和分析手段，我希望建立“单细胞动态细胞器互作组学”，更好地揭示不同神经细胞种类以及同一细胞的命运演化过程和连续中间状态。最后，利用大视场高分辨率双光子光片等成像技术，希望聚焦在斑马鱼全脑水平神经回路的组织和连接机制以及学习和记忆过程中发生的变化。  

北京大学IDG麦戈文脑科学研究所

脑科学讲座 | 学术笔记 | 研究分享

长按识别二维码，获取更多精彩内容！

微信公众号：Brain-Research

研究所网站：http://mgv.pku.edu.cn/