人工智能使伟大的显微镜比以往任何时候都更好

为了观察鱼大脑中快速的神经元信号，科学家们已经开始使用一种叫做光场的技术显微镜，这使得用3D技术描绘如此快速的生物过程成为可能。但图像质量往往不高，大量数据需要数小时或数天才能转换成3D卷或电影。

现在，EMBL的科学家们联合起来了人工智能这一进步将图像处理的时间从几天缩短到短短几秒，同时确保得到的图像是清晰和准确的。

“最终，我们用这种方法做到了‘两全天下’，”该论文的两位主要作者之一、现为慕尼黑工业大学博士生的尼尔斯·瓦格纳(Nils Wagner)说。人工智能使我们能够结合不同的显微镜技术，因此我们可以在光场显微镜允许的范围内尽可能快地成像，并接近光片显微镜的图像分辨率。”

虽然光片显微镜和光场显微镜听起来相似，但这些技术有不同的优势和挑战。光场显微镜捕捉到巨大的3D图像，使研究人员能够跟踪和测量非常精细的运动，比如鱼幼虫在非常快的速度下跳动的心脏。但这种技术会产生大量的数据，可能需要几天的时间来处理，而且最终的图像通常缺乏分辨率。

光片显微镜一次聚焦在一个给定样本的单一2D平面上，因此研究人员可以以更高的分辨率对样本进行成像。与光场显微镜相比，光片显微镜产生的图像处理速度更快，但数据不够全面，因为它们一次只能从单个2D平面获取信息。

为了利用每种技术的优势，EMBL的研究人员开发了一种方法，使用光场显微镜成像大型3D样本，并使用光片显微镜训练人工智能算法，然后创建一个精确的样本3D图像。

“如果你构建生成图像的算法，你需要检查这些算法是否构建了正确的图像，”安娜·克雷舒克(Anna Kreshuk)解释说，她是EMBL小组的组长，他们的团队带来了机器学习项目的专业知识。安娜说，在这项新研究中，研究人员使用了光片显微镜来确保人工智能算法正常工作。“这使我们的研究从过去的研究中脱颖而出。”

Robert Prevedel是EMBL小组的领导，他的小组贡献了新型的混合显微镜平台，他指出，制造更好的显微镜的真正瓶颈通常不是光学技术，而是计算。这就是为什么在2018年，他和安娜决定联手。“对于那些想要研究大脑如何计算的人来说，我们的方法非常关键。我们的方法可以实时成像鱼幼虫的整个大脑，”罗伯特说。

他和安娜说，这种方法可能会被改进，以适用于不同类型的显微镜，最终允许生物学家观察几十个不同的标本，看到更多、更快。例如，它可以帮助发现与心脏发育有关的基因，或者可以同时测量数千个神经元的活动。

接下来，研究人员计划探索这种方法是否可以应用于包括哺乳动物在内的大型物种。

研究结果发表在自然方法．