机器学习技术使显微镜变得比以往更好

机器学习帮助一些最好的显微镜看得更清楚，工作得更快，并处理更多的数据。为了观察鱼脑中迅速的神经元信号，科学家们已经开始使用一种叫做光场显微镜的技术，这使得对这种快速的生物过程进行三维成像成为可能。但是这些图像往往缺乏质量，而且需要数小时或数天的时间才能将大量的数据转换为三维体积和电影。

现在，欧洲分子生物学实验室（EMBL）的科学家们已经将人工智能（AI）算法与两种尖端的显微镜技术相结合--这一进展将图像处理的时间从数天缩短到仅有几秒钟，同时确保所得到的图像是清晰和准确的。该研究结果发表在《自然方法》上。

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-瓦格纳说：“最终，我们能够在这种方法中取得’两个世界的最佳效果。人工智能使我们能够结合不同的显微镜技术，因此我们可以像光场显微镜允许的那样快速成像，并接近光片荧光显微镜的图像分辨率。”

虽然光片荧光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。光场显微镜捕捉到大的三维图像，使研究人员能够以非常高的速度跟踪和测量非常精细的运动，如鱼的幼虫的心脏跳动。但是这种技术产生大量的数据，可能需要几天时间来处理，而且最终的图像通常缺乏分辨率。

光片荧光显微镜在同一时间对特定样本的单一二维平面进行观察，因此研究人员可以以更高的分辨率对样本进行成像。与光片荧光显微镜相比，光片显微镜产生的图像处理起来更快，但数据不那么全面，因为它们一次只能从单一的二维平面捕捉信息。

为了利用每种技术的优势，EMBL的研究人员开发了一种方法，利用光场显微镜对大型三维样品进行成像，并利用光片显微镜训练人工智能算法，然后创建一个准确的样品三维图像。

Robert Prevedel是EMBL小组的负责人，他的小组贡献了新颖的混合显微镜平台，他指出，建造更好的显微镜的真正瓶颈往往不是光学技术，而是计算。这就是为什么早在2018年，他和安娜决定联合起来。“我们的方法对那些想研究大脑如何计算的人来说将是真正的关键。我们的方法可以对鱼的幼虫的整个大脑进行实时成像，“罗伯特说。

他和安娜说，这种方法也有可能被修改，以适用于不同类型的显微镜，最终使生物学家能够观察几十个不同的标本，并更快地看到更多的东西。例如，它可以帮助找到参与心脏发育的基因，或者可以同时测量成千上万个神经元的活动。

接下来，研究人员计划探索该方法是否可以应用于更大的物种，包括哺乳动物。