导读:该方法可以与显微镜采集系统结合以实现实时去噪。这个方法基于深度自监督学习,原始的低信噪比数据可以直接用于训练卷积网络,这使得它在功能成像中特别有优势。
生物体的正常运作依赖于一系列时空协调的细胞和亚细胞活动。观察和记录这些现象被认为是了解它们的第一步。荧光成像的最新进展使我们能够以高分子特异性和高时空分辨率解析生命活动机制,从纳米尺度的细胞器相互作用,到胚胎发育过程中的细胞足迹,再到与特定行为同步的全脑神经活动。荧光成像的一个基本挑战是光子探测不可避免的随机性导致的光子散粒噪声,这是由光的量子本质决定的,光子噪声是前沿科学观测中绕不开的障碍。
近期,清华大学脑与认知科学研究院、自动化系、清华-IDG/麦戈文脑科学研究院团队在《Nature Biotechnology》杂志发表了题为“Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit”的研究论文,实现了实时超灵敏荧光成像。在这项工作中,为了实现超出散粒噪声限制的高灵敏度荧光成像,提出了DeepCAD-RT:一种用于实时噪声抑制的自监督深度学习方法。
该方法可以与显微镜采集系统结合以实现实时去噪。这个方法基于深度自监督学习,原始的低信噪比数据可以直接用于训练卷积网络,这使得它在功能成像中特别有优势,因为样品正在经历快速的动态变化,而捕捉真实数据是很难或不可能的。研究者展示了多种实验,包括对小鼠、斑马鱼和苍蝇的钙成像,细胞迁移观察和新型基因编码ATP传感器的成像,涵盖2D单平面成像和3D体积成像。定性和定量评估表明,该方法可以显著增强荧光延时成像数据,并允许对超出散粒噪声限制的生物活动进行高灵敏度成像。
作为一种在多种模式动物、多种生命过程上均表现出强大性能的去噪技术,DeepCAD-RT有望应用到更多的成像场景中,并推进多种成像技术的发展。
来源于:科技部生物中心
热门评论
最新资讯
新闻专题
更多推荐