免费观看黄一级视频,可以免费在线看黄的网站,欧美视频日韩视频,精品国产黄a∨片高清在线

預(yù)存

登錄注冊

Document

當(dāng)前位置：文庫百科 ? 文章詳情

科研人員研發(fā)深度學(xué)習(xí)超分辨顯微成像方法取得重大進步

來源：測試GO 時間：2022-10-19 10:00:58 瀏覽：3016次

李棟/戴瓊海合作團隊通過人工智能算法與光學(xué)顯微鏡成像技術(shù)的交叉創(chuàng)新，提出了合理化深度學(xué)習(xí)超分辨顯微成像框架，解決了現(xiàn)有深度學(xué)習(xí)成像方法分辨率損失、預(yù)測不確定性、訓(xùn)練集不易采集等難題，可為多種活體顯微成像模態(tài)提供30倍以上的成像速度與時程的提升，為細(xì)胞生物學(xué)、發(fā)育生物學(xué)、神經(jīng)科學(xué)等領(lǐng)域的發(fā)展提供了重要的研究工具。同時，該研究團隊所堅持和倡導(dǎo)的人工智能算法與光學(xué)成像原理交叉創(chuàng)新、軟硬結(jié)合的研究思路，為現(xiàn)代光學(xué)顯微成像的發(fā)展開辟了新的技術(shù)路徑。

合理化深度學(xué)習(xí)超分辨顯微成像神經(jīng)網(wǎng)絡(luò)架構(gòu)

以深度學(xué)習(xí)為代表的計算超分辨方法可在不損失其他成像性能的前提下，提升顯微圖像分辨率或信噪比，表現(xiàn)出廣闊的應(yīng)用前景。然而，針對生物醫(yī)學(xué)研究必需高保真度、可定量分析的圖像要求，深度學(xué)習(xí)顯微成像方法存在三大共性問題：受限于深度學(xué)習(xí)內(nèi)秉的頻譜頻移(spectral-bias)問題，輸出圖像分辨率無法達(dá)到真值(ground truth)水平；受限于超分辨重建、去噪問題的病態(tài)性(ill-posed problem)和神經(jīng)網(wǎng)絡(luò)模型的不確定性(model-uncertainty)，重建或預(yù)測結(jié)果的真實性無法得到保障；深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量數(shù)據(jù)，但高質(zhì)量訓(xùn)練數(shù)據(jù)的采集在許多應(yīng)用場景下極其困難、甚至無法實現(xiàn)。當(dāng)前，深度學(xué)習(xí)顯微成像方法的研究和發(fā)展如火如荼，并表現(xiàn)出超越傳統(tǒng)成像性能極限的潛力，但上述問題阻礙了現(xiàn)有深度學(xué)習(xí)超分辨或去噪方法在生物顯微成像實驗中的使用。

10月6日，中國科學(xué)院生物物理研究所李棟課題組聯(lián)合清華大學(xué)自動化系、清華大學(xué)腦與認(rèn)知科學(xué)研究院、清華-IDG/麥戈文腦科學(xué)研究院戴瓊海課題組，美國霍華德休斯醫(yī)學(xué)研究所博士Jennifer Lippincott-Schwartz，在Nature Biotechnology上，以長文(Article)的形式，發(fā)表了題為Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes的論文。該研究提出了一套合理化深度學(xué)習(xí)(rationalized deep learning，rDL)顯微成像技術(shù)框架，將光學(xué)成像模型及物理先驗與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計相融合，合理化網(wǎng)絡(luò)訓(xùn)練、預(yù)測過程，從而實現(xiàn)了高性能、高保真的顯微圖像去噪與超分辨重建，并結(jié)合實驗室自主研發(fā)、搭建的多模態(tài)結(jié)構(gòu)光照明顯微鏡(Multi-SIM)與高速晶格光片顯微鏡(LLSM)，將傳統(tǒng)TIRF/GI-SIM、3D-SIM、LLS-SIM和LLSM的成像速度/時程提升30倍以上，實現(xiàn)了當(dāng)前國際最快(684Hz)、成像時程最長(最長可達(dá)3小時、60,000時間點以上)的活體細(xì)胞成像性能，首次對高速擺動纖毛(>30Hz)中轉(zhuǎn)運蛋白(IFT)的多種運輸行為以及完整細(xì)胞分裂過程中核仁液液相分離(liquid-liquid phase separation)過程進行快速、多色、長時程、超分辨觀測。Nature Biotechnology針對這一工作同時發(fā)表了評述文章(Research Briefing)。

具體而言，李棟/戴瓊海研究團隊提出的合理化深度學(xué)習(xí)結(jié)構(gòu)光超分辨重建架構(gòu)(rDL SIM)不同于現(xiàn)有超分辨神經(jīng)網(wǎng)絡(luò)模型的端到端(end-to-end)訓(xùn)練模式，而是采用分步重建策略，首先利用所提出的融合成像物理模型和結(jié)構(gòu)光照明先驗的神經(jīng)網(wǎng)絡(luò)對原始SIM圖像進行去噪和高頻信息增強，然后通過經(jīng)典解析算法進行SIM重建以獲得最終的超分辨圖像。相比于該團隊去年在Nature Methods上提出的超分辨重建神經(jīng)網(wǎng)絡(luò)模型DFCAN/DFGAN，rDL SIM可將超分辨重建結(jié)果的不確定性降低3~5倍，并實現(xiàn)更高的保真度和重建質(zhì)量；相比于其他去噪算法(如CARE)，rDL SIM可恢復(fù)出調(diào)制在原始圖像中的莫爾條紋，并將高頻信息增強10倍以上。

此外，針對晶格光片顯微鏡、共聚焦顯微鏡等寬場照明或點掃描成像模態(tài)，該團隊提出了一種可學(xué)習(xí)的傅立葉域噪聲抑制模塊(FNSM)。該模塊可以利用OTF信息對顯微圖像中的噪聲進行自適應(yīng)濾除。科研團隊以此構(gòu)建了嵌入FNSM的通道注意力去噪神經(jīng)網(wǎng)絡(luò)架構(gòu)，并基于顯微成像數(shù)據(jù)本身的時空連續(xù)性，提出了時空交織采樣自監(jiān)督訓(xùn)練策略(TiS/SiS-rDL)。該策略無需額外采集訓(xùn)練數(shù)據(jù)、亦無需保證時序數(shù)據(jù)具有時間連續(xù)性，即可實現(xiàn)媲美監(jiān)督學(xué)習(xí)效果的去噪神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，解決了實際生物成像實驗中高質(zhì)量訓(xùn)練數(shù)據(jù)難以獲取的難題。

合理化深度學(xué)習(xí)超分辨顯微成像方法可適用于包括2D-SIM、3D-SIM、LLSM等在內(nèi)的多種顯微成像模態(tài)，提供高分辨率、高保真的顯微圖像重建性能，相較于傳統(tǒng)方法最多可以提升30倍的成像時程和10倍的成像速度。借助rDL成像技術(shù)，研究團隊開展了諸多過去的成像手段無法開展的超分辨活體成像實驗，并與Lippincott-Schwartz、中科院分子細(xì)胞科學(xué)卓越創(chuàng)新中心研究員朱學(xué)良、中科院遺傳與發(fā)育生物學(xué)研究所研究員何康敏探討了其潛在的生物學(xué)意義，包括：對滴落在玻片上的U2OS細(xì)胞貼壁生長過程進行雙色、長時程(1小時以上)、超分辨(97nm分辨率)觀測，清晰、真實地記錄了細(xì)胞粘附和遷移的動力學(xué)現(xiàn)象，且不干擾這一漫長、脆弱的生命過程；對高速擺動纖毛以當(dāng)前最快的684Hz成像速率進行長達(dá)60,000個時間點的連續(xù)超分辨觀測，且過程中無明顯光漂白或細(xì)胞活性損傷，并對纖毛擺動模式和頻率進行統(tǒng)計分析；對擺動纖毛及纖毛內(nèi)轉(zhuǎn)運蛋白(IFT)進行超快、超分辨雙色成像，揭示了IFT在行進途中碰撞、重組、掉頭等多種新行為；通過對cCAS-DNA與ER進行雙色、長時程、超分辨成像，觀測到cGAS-DNA在保持與ER持續(xù)接觸過程中的定向運動、轉(zhuǎn)向或擴散等行為，拓展了對膜性細(xì)胞器與無膜細(xì)胞器相互作用機制的認(rèn)知；對HeLa細(xì)胞分裂過程中的核仁磷酸蛋白(NPM1)、RNA聚合酶I亞基RPA49及染色質(zhì)(H2B)進行超長時程(12秒采集間隔，2.5小時以上)的三維超分辨活體成像，實現(xiàn)了對完整有絲分裂過程中NPM1與RPA49兩種結(jié)構(gòu)形態(tài)變化的三維超分辨活體連續(xù)觀測，揭示了細(xì)胞有絲分裂過程中核仁形成以及NPM1、RPA49兩種無膜亞細(xì)胞結(jié)構(gòu)的相變、互作規(guī)律；以10Hz的全細(xì)胞體成像幀率對高爾基體進行長達(dá)10,000時間點的連續(xù)拍攝，并實現(xiàn)了對完整細(xì)胞分裂過程內(nèi)質(zhì)網(wǎng)、溶酶體、線粒體等亞細(xì)胞結(jié)構(gòu)的三色、高速(秒量級)、超長時程(小時量級，>1000個時間點)三維觀測，探究了細(xì)胞有絲分裂過程中細(xì)胞器在子代細(xì)胞中的均勻分配機制。

研究工作得到國家自然科學(xué)基金、科技部、中科院、中國博士后科學(xué)基金、騰訊“科學(xué)探索獎”、清華大學(xué)“水木學(xué)者”計劃的支持。

測試狗文庫百科

上一篇：FIB聚焦離子束常見的應(yīng)用場景分析

下一篇：醫(yī)療器械生產(chǎn)工藝用水檢測知識