研究进展：清华大学戴琼海院士团队超分辨率成像-神经网络 | Nature Biotechnology

今日新材料 · 公众号 · · 2025-01-30 00:09

正文

超分辨率Super-resolution (SR)神经网络，将低分辨率光学显微图像转换为超分辨率SR图像。单图像超分辨率重建single-image SR (SISR) 方法应用于长时程成像long-term imaging，还没有利用相邻帧之间时间相关性，并且受制于难以量化的推断不确定性。

今日，清华大学Chang Qiao, Shuran Liu, Yuwang Wang, Wencong Xu，乔晖Hui Qiao, 戴琼海Qionghai Dai等，中国科学院生物物理所李栋Dong Li等，在Nature Biotechnology上发文，通过建立大规模荧光显微镜数据集和评估神经网络模型的传播和排列组件，设计了相空间调控变形对准deformable phase-space alignment (DPA)时差超分辨率成像time-lapse image SR (TISR)神经网络。

相空间调控变形对准DPA-时差超分辨率成像TISR自适应地增强了相位域中的跨帧对齐，并且优于现有最先进的单图像超分辨率重建SISR和时差超分辨率成像TISR模型。

还开发了贝叶斯DPA-TISR，并设计了预期校准误差最小化框架，可靠地推断推理置信度。还展示了各种生物样本超过10,000个时间点的多色活细胞超分辨率SR成像，具有高保真、时间一致性和准确的置信度量化。

A neural network for long-term super-resolution imaging of live cells with reliable confidence quantification.

具有可靠置信度量化的活细胞长期超分辨率成像神经网络。

图1:时差超分辨率成像time-lapse image Super-resolution，TISR模型中，传播和对准机制。

图2: 相空间调控变形对准deformable phase-space alignment，DPA机制和DPA-TISR与其他方法。

图3:基于DPA-TISR，细胞器超微结构和动力学的快速、长期、超分辨率SR可视化。

图4: DPA-TISR置信度计算和校正。

图5:具有使用贝叶斯DPA-TISR的可靠置信度评估的长时程超分辨率SR活体成像。

文献链接

Qiao, C., Liu, S., Wang, Y. et al. A neural network for long-term super-resolution imaging of live cells with reliable confidence quantification. Nat Biotechnol (2025).

https://doi.org/ 10.1038/s41587-025-02553-8

本文译自Nature。

来源：今日新材料

声明：仅代表译者观点，如有不科学之处，请在下方留言指正！