零樣本去卷積網(wǎng)絡(luò)通過無監(jiān)督學(xué)習(xí)新框架提升顯微圖像分辨率

本研究由Chang Qiao , Yunmin Zeng , Quan Meng , Xingye Chen等19位作者合作完成，成果以 《Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy》 為題發(fā)表于《Nature Communications》。

重要發(fā)現(xiàn)
01核心原理：物理模型驅(qū)動的無監(jiān)督學(xué)習(xí)
ZS-DeconvNet的核心創(chuàng)新在于將光學(xué)成像前向模型與自監(jiān)督學(xué)習(xí)結(jié)合。該框架通過圖像重噪聲化策略生成噪聲無關(guān)的訓(xùn)練對，并引入Hessian正則化抑制重建偽影，從而在無真實高分辨率圖像監(jiān)督的條件下實現(xiàn)端到端優(yōu)化。

03活體應(yīng)用：長時程低光毒性成像
在光敏感生物過程觀測中，ZS-DeconvNet實現(xiàn)了：
細(xì)胞遷移動力學(xué)：以3幀/秒記錄COS-7細(xì)胞鋪展過程中F-actin與肌球蛋白II的協(xié)同運動，發(fā)現(xiàn)肌球蛋白在細(xì)胞后極極化聚集驅(qū)動定向遷移。
細(xì)胞器互作追蹤：在低光條件下對基因編輯SUM-159細(xì)胞的回收內(nèi)體（REs）與晚期內(nèi)體（LEs）進(jìn)行1,500幀雙色成像，首次捕捉到Rab11陽性REs的分裂與順序性胞吐事件。

創(chuàng)新與亮點
01突破性難題：零樣本學(xué)習(xí)顛覆數(shù)據(jù)依賴
傳統(tǒng)深度超分辨（DLSR）方法需海量配對數(shù)據(jù)訓(xùn)練，而ZS-DeconvNet通過單幅圖像自訓(xùn)練解決了活細(xì)胞動態(tài)過程難以獲取高質(zhì)量標(biāo)注數(shù)據(jù)的核心瓶頸。

其關(guān)鍵技術(shù)突破包括：
噪聲重構(gòu)建機制：利用泊松-高斯噪聲模型生成噪聲無關(guān)訓(xùn)練對，避免噪聲放大。
物理模型約束：將PSF卷積與降采樣操作融入損失函數(shù)，保障重建保真度。

總結(jié)與展望
ZS-DeconvNet通過將光學(xué)物理模型與自監(jiān)督學(xué)習(xí)融合，首次實現(xiàn)了零訓(xùn)練數(shù)據(jù)依賴的顯微圖像超分辨重建。其1.5倍分辨率提升與10倍熒光需求壓縮能力，為活細(xì)胞動態(tài)研究（如細(xì)胞分裂、胚胎發(fā)育）提供了低光毒性的長時程觀測方案。該技術(shù)的多模態(tài)兼容性（涵蓋TIRF、共聚焦、光片顯微等）使其成為現(xiàn)有顯微平臺的通用計算增強模塊。

未來工作將聚焦三方面：
算法優(yōu)化：結(jié)合Richardson-Lucy網(wǎng)絡(luò)等架構(gòu)進(jìn)一步提升重建效率；
技術(shù)拓展：適配定位顯微鏡（PALM）、受激發(fā)射損耗顯微鏡（STED）等超分辨技術(shù)；
魯棒性提升：通過域適應(yīng)技術(shù)解決跨樣本泛化問題。

盡管存在對極弱信號敏感性等局限，ZS-DeconvNet仍標(biāo)志著計算顯微領(lǐng)域的重要范式轉(zhuǎn)變——從“依賴海量數(shù)據(jù)”邁向“物理模型驅(qū)動的智能增強”，為生命科學(xué)提供了一把打開微觀世界大門的鑰匙。

DOI:10.1038/s41467-024-48575-9.