深度学习允许用相同的光体对多个结构进行成像.
Luhong Jin1, Jingfang Liu2, Heng Zhang2
1School of Information Science and Technology, Hangzhou Normal University, Hangzhou, China; Department of Biomedical Engineering, MOE Key Laboratory of Biomedical Engineering, State Key Laboratory of Modern Optical Instrumentation, Zhejiang Provincial Key Laboratory of Cardio-Cerebral Vascular Detection Technology and Medicinal Effectiveness Appraisal, Zhejiang University, Hangzhou, China.
Biophysical journal
|September 5, 2024
概括
这项研究引入了一种新的双结构网络 (DBSN),以克服光显微镜的局限性. DBSN能够从仅仅两个光标签中提取六个亚细胞结构,从而提高活细胞成像能力.
科学领域:
- 细胞生物学 细胞生物学
- 显微镜技术 显微镜技术
- 生物成像是一种生物成像.
背景情况:
- 光显微镜对于观察细胞动态至关重要,但受到染料光谱重叠的限制.
- 目前的方法限制了同时成像结构的数量,并且由于顺序成像,耗费了大量时间.
研究的目的:
- 开发一种新的计算方法,用于光显微镜中的增强多重成像.
- 在活细胞应用中克服光谱重叠和顺序成像的局限性.
主要方法:
- 开发了一个新的双结构网络 (DBSN),集成了一个强度平衡模型和一个结构分离模型.
- DBSN处理三个原始图像以提取六个不同的亚细胞结构,只使用两个光标签.
主要成果:
- DBSN成功地从有限的光标签中提取了六个不同的亚细胞结构.
- 强度平衡模型可以弥补不同结构中不均的光强度.
- 结构分离模型允许使用相同光染料标记的结构进行区分.
结论:
- 拟议的DBSN显著推进了光显微镜中的多重成像.
- 这种方法克服了当前活细胞成像中的关键瓶,为细胞生物学研究提供了广泛的潜力.
