近年來(lái)，超分辨率熒光顯微鏡的發(fā)展極大地推動(dòng)了人類對(duì)亞細(xì)胞結(jié)構(gòu)的研究。其中，基于結(jié)構(gòu)光照明的超分辨率熒光顯微鏡（SR-SIM）憑借其光子轉(zhuǎn)化效率高等優(yōu)點(diǎn)，非常適合活細(xì)胞的超分辨率成像。然而，北京大學(xué)陳良怡實(shí)驗(yàn)室2018年的工作提出，盡管結(jié)構(gòu)光的光子轉(zhuǎn)化成為超分辨的效率比其他類型的超分辨率顯微鏡更高，但是由于它存在的反卷積重建過(guò)程會(huì)放大圖像中噪聲產(chǎn)生偽影，從而影響超分辨率圖像的可信度和定量化分析。在其提出利用時(shí)空連續(xù)性作為先驗(yàn)知識(shí)開發(fā)的基于海森正則化項(xiàng)的迭代重建方法后，其他許多研究組也開發(fā)了不同的抑制偽影的方法。已有的基于物理模型或通用先驗(yàn)知識(shí)的方法能夠抑制噪聲導(dǎo)致的偽影，但背景失焦引起的蜂窩狀偽影、光照散射引起的偽影等不能完全抑制。而深度神經(jīng)網(wǎng)絡(luò)重建方法雖然能夠更好地抑制重建超分辨率圖像導(dǎo)致的各種偽影，但可能會(huì)產(chǎn)生局部失真和分辨率降低。 _j>L4bT  
UeNF^6sWu0  
2023年1月，北京大學(xué)未來(lái)技術(shù)學(xué)院陳良怡教授團(tuán)隊(duì)結(jié)合了物理模型和深度學(xué)習(xí)兩種重建方法的優(yōu)點(diǎn)，通過(guò)利用全深度變分（TDV）網(wǎng)絡(luò)作為重構(gòu)目標(biāo)函數(shù)的正則化項(xiàng)，將其與SIM物理模型相結(jié)合，提出了一種混合重建方法（TDV-SIM），能夠在抑制偽影的同時(shí)保持分辨率。在處理不同細(xì)胞結(jié)構(gòu)的圖像時(shí)，TDV-SIM較單純的深度學(xué)習(xí)方法能夠更好地保留真實(shí)信號(hào)，同時(shí)比基于物理模型的方法能夠更有效地去除偽影。相關(guān)工作以題為“Hybrid reconstruction of the physical model with the deep learning that improves structured illumination microscopy”（doi:10.1117/1.APN.2.1.016012）的論文發(fā)表于Advanced Photonics Nexus上。 F~'sT}A*  
AbG