現在，歐洲分子生物學實驗室（EMBL）的科學傢們已經將人工智能（AI）算法與兩種尖端的顯微鏡技術相結合--這一進展將圖像處理的時間從數天縮短到僅有幾秒鐘，同時確保所得到的圖像是清晰和準確的。該研究結果發表在《自然方法》上。
論文的兩位主要作者之一、現為慕尼黑工業大學博士生的尼爾斯-瓦格納說："最終，我們能夠在這種方法中取得'兩個世界的最佳效果。人工智能使我們能夠結合不同的顯微鏡技術，因此我們可以像光場顯微鏡允許的那樣快速成像，並接近光片熒光顯微鏡的圖像分辨率。"
雖然光片熒光顯微鏡和光場顯微鏡聽起來相似，但這些技術有不同的優勢和挑戰。光場顯微鏡捕捉到大的三維圖像，使研究人員能夠以非常高的速度跟蹤和測量非常精細的運動，如魚的幼蟲的心臟跳動。但是這種技術產生大量的數據，可能需要幾天時間來處理，而且最終的圖像通常缺乏分辨率。
光片熒光顯微鏡在同一時間對特定樣本的單一二維平面進行觀察，因此研究人員可以以更高的分辨率對樣本進行成像。與光片熒光顯微鏡相比，光片顯微鏡產生的圖像處理起來更快，但數據不那麼全面，因為它們一次隻能從單一的二維平面捕捉信息。
為瞭利用每種技術的優勢，EMBL的研究人員開發瞭一種方法，利用光場顯微鏡對大型三維樣品進行成像，並利用光片顯微鏡訓練人工智能算法，然後創建一個準確的樣品三維圖像。
Robert Prevedel是EMBL小組的負責人，他的小組貢獻瞭新穎的混合顯微鏡平臺，他指出，建造更好的顯微鏡的真正瓶頸往往不是光學技術，而是計算。這就是為什麼早在2018年，他和安娜決定聯合起來。"我們的方法對那些想研究大腦如何計算的人來說將是真正的關鍵。我們的方法可以對魚的幼蟲的整個大腦進行實時成像，"羅伯特說。
他和安娜說，這種方法也有可能被修改，以適用於不同類型的顯微鏡，最終使生物學傢能夠觀察幾十個不同的標本，並更快地看到更多的東西。例如，它可以幫助找到參與心臟發育的基因，或者可以同時測量成千上萬個神經元的活動。
接下來，研究人員計劃探索該方法是否可以應用於更大的物種，包括哺乳動物。
留言列表
