通过稀疏的X-Y-Z重建进行深层组织3D三光子光显微镜的百纳秒相当的像素停留时间
Yifei Li1, Runnan Zhang2, Keying Li3
1State Key Laboratory of Extreme Photonics and Instrumentation, Centre For Optical and Electromagnetic Research, College of Optical Science and Engineering, International Research Center For Advanced Photonics, Zhejiang University, Hangzhou, China.
Small methods
|January 17, 2026
概括
通过重建稀疏的数据,DeepR-SXYZ通过使用三光子光显微镜 (3PFM) 加快了深层组织成像. 这种深度学习框架显著提高了成像速度,降低了光毒性,使新的生物发现成为可能.
科学领域:
- 生物光学和成像科学 生物光学和成像科学
- 计算生物学和机器学习
背景情况:
- 三光子光显微镜 (3PFM) 提供深层组织成像,但由于低光子流和长时间的激光暴露,面临速度分辨率的权衡.
- 目前的3PFM方法受到缓慢的成像速度和潜在的光毒性限制,阻碍了对活体动态生物过程的研究.
研究的目的:
- 开发一个深度学习框架,DeepR-SXYZ,用于使用3PFM在深层组织中加速和高分辨率的体积成像.
- 通过实现稀疏的数据采集和重建来克服3PFM固有的局限性,以提高成像速度和降低光毒性.
主要方法:
- DeepR-SXYZ集成了卷积神经网络 (CNN) 与结构动态注意力 (SDA) 增强的变压器,用于稀疏的XYZ重建.
- 该框架是通过对配的数据集进行训练的,这些数据集是稀疏获取的低分辨率扫描和密集采样的高分辨率对应数据集.
- 它以协同方式捕获X-Y平面重建的层内形态特征和Z轴插值的层间动态变化.
主要成果:
- 与传统的密集采样相比,DeepR-SXYZ在X-Y平面成像速度实现了8.8倍的加速.
- 该框架显示>60%的Z轴层恢复,显著改善成像吞吐量.
- 对大脑血管和肌肉巨细胞的实验验证表明,从稀疏的数据中准确地进行3D体积重建.
结论:
- DeepR-SXYZ通过稀疏的XYZ重建建立了高速,低光毒性3PFM的计算范式.
- 该框架有效平衡成像速度和空间分辨率,使大场3D成像和细胞行为的动态体积跟踪成为可能.
- 这种方法揭示了以前无法访问的时空生物过程,进步了体内显微镜的能力.
