光显微镜图像的超高分辨率重建,通过具有物理先验的卷积网络进行重建

科学领域:

• 生物物理学的生物物理.
• 显微镜的使用方法
• 计算生物学 计算生物学

背景情况:

• 超分辨率显微镜,就像单分子定位显微镜 (SMLM) 一样,增强了亚细胞成像的空间分辨率.
• 深度学习 (DL) 在SMLM中显示出希望,平衡分辨率,速度和光毒性,但通常需要广泛的数据集.
• 目前用于SMLM的DL方法面临限制,因为需要高质量,大规模的培训数据.

研究的目的:

• 为SMLM开发一种新的深度学习方法,克服数据限制.
• 改善SMLM中时空分辨率,光毒性和信号强度之间的权衡.
• 为了实现高分辨率的活细胞成像,减少光毒性和增加可访问性.

主要方法:

• 提出了一个基于物理先验的卷积超分辨率网络 (PCSR).
• 将基于物理的损失术语纳入网络架构.
• 整合了一个初始优化步骤,使用Wiener过器从低分辨率图像直接进行超分辨率重建.

主要成果:

• PCSR实现了100 ms的重建时间.
• 实现了10nm的空间分辨率.
• 使用有限的训练数据集,证明了成功的超高分辨率成像.
• 在各种活细胞结构中展示了通用性.

结论:

• PCSR为高空间时空分辨率的活细胞成像提供了一个实用的解决方案.
• 该方法降低了光毒性,并提高了超分辨率显微镜中的可访问性.
• 由于PCSR能够在有限的数据上进行训练,使其成为各种细胞生物学研究的多功能工具.