显微样品成像需要捕获多个连续测量，然后使用计算算法重建单个高分辨率图像。当样品是静态的时候，这个过程可以很好地工作，但是如果它是移动的——就像活的生物样本一样——最终的图像可能会模糊或扭曲。
现在，伯克利的研究人员已经开发出一种方法来提高这些动态样本的时间分辨率。在发表在《自然方法》上的一项研究中，他们展示了一种新的计算成像工具，称为神经时空模型(NSTM)，它使用一个小而轻的神经网络来减少运动伪影并求解运动轨迹。
“对动态样本进行成像的挑战在于，重建算法假设了一个静态场景，”主要作者、生物工程博士生曹瑞明(音译)说。
“NSTM通过在每个时间点建模和重建运动，将这些计算方法扩展到动态场景。这减少了由运动动力学引起的伪影，使我们能够看到样品中超快节奏的变化。”
根据研究人员的说法，NSTM可以与现有系统集成，而不需要额外的、昂贵的硬件。而且非常有效。“NSTM已被证明在时间分辨率上提供了大约一个数量级的改进，”曹说。
开源工具还使重建过程能够在更精细的时间尺度上进行操作。例如，计算成像重建过程可能涉及捕获约10或20个图像以重建单个超分辨率图像。
但是使用神经网络，NSTM可以模拟物体在这10到20张图像中是如何变化的，使科学家能够在一张图像的时间尺度上重建一个超分辨率的图像，而不是每10或20张图像。
该研究的首席研究员、电子工程和计算机科学教授劳拉·沃勒(Laura Waller)说:“基本上，我们正在使用神经网络来及时模拟样本的动态，这样我们就可以在更快的时间尺度上进行重建。”“这是超级强大的，因为你可以将你的时间尺度提高10倍或更多，这取决于你最初使用的图像数量。”
NSTM使用机器学习，但不需要预训练或数据先验。这简化了设置，并防止了通过训练数据引入的潜在偏差。模型使用的唯一数据是它捕获的实际测量值。
在这项研究中，NSTM在三种不同的显微镜和摄影应用中显示了有希望的结果:差相对比显微镜、3D结构照明显微镜和滚动快门扩散相机。
但是，根据沃勒的说法，“这些真的只是冰山一角。”NSTM可以潜在地用于增强任何多镜头计算成像方法，扩大其科学应用范围，特别是在生物科学领域。
“这只是一个模型，所以你可以将其应用于任何动态场景的计算逆问题。它可以用于断层扫描，如CT扫描、核磁共振成像或其他超分辨率方法，”她说。“扫描显微镜方法也可能受益于NSTM。”
研究人员设想，NSTM有一天会被集成到商用成像系统中，就像软件升级一样。与此同时，Cao和其他人将进一步完善这一工具。
“我们只是试图突破极限，看到那些非常快速的动态，”他说。
更多资料:曹瑞明等，动态多镜头成像的神经时空模型，Nature Methods(2024)。DOI: 10.1038/s41592-024-02417-0期刊信息:加州大学伯克利分校提供的自然方法引文:为显微成像带来清晰度:新工具去除运动伪影(2024年，10月1日)检索自2024年10月1日https://techxplore.com/news/2024-10-clarity-microscopic-imaging-tool-motion.html本文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
本文来自作者[栋山]投稿，不代表偶读号立场，如若转载，请注明出处：https://m.oddxc.cn/zskp/202507-1173.html
评论列表（4条）
我是偶读号的签约作者“栋山”！
希望本篇文章《为显微成像带来清晰度：新工具去除运动伪影》能对你有所帮助！
本站[偶读号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：显微样品成像需要捕获多个连续测量，然后使用计算算法重建单个高分辨率图像。当样品是静态的时候，这个过程可以很好地工作，但是如果它是移动的——就像活的生物样本一...