简读分享 | 尹成林 编辑 | 李仲深
论文题目
Rationalized deep learning super-resolution microscopy for sustained live imaging of rapid subcellular processes
摘要
使用光学显微镜对生物过程进行成像的目标是以最小的侵入性获取最多的时空信息。深度神经网络显着改善了光学显微镜，包括图像超分辨率和恢复，但仍有很大的伪影潜力。在这项研究中，作者通过结合照明模式的先验知识，为结构化照明显微镜和晶格光片显微镜 (LLSM) 开发了合理化的深度学习 (rDL)，从而合理地引导网络对原始图像进行去噪。作者证明 rDL 结构照明显微镜消除了光谱偏差引起的分辨率下降，并将模型不确定性降低了五倍，将超分辨率信息提高了十倍以上。此外，应用于 LLSM 的 rDL 通过使用噪声数据本身的空间或时间连续性来实现自我监督训练，产生类似于监督方法的结果。作者通过成像运动纤毛的快速动力学、光敏有丝分裂过程中的核仁蛋白凝聚以及膜和无膜细胞器之间的长期相互作用来证明 rDL 的效用。
论文地址
https://www.nature.com/articles/s41587-022-01471-3
