两全其美:人工智能让伟大的显微镜比以往任何时候都好

鱼心

神经网络的代表为鱼类幼虫的心脏提供了背景。信用:Tobias Wuestefeld

机器学习有助于一些最佳显微镜,以便更好地看到更好,更快地工作,并处理更多数据。

为了观察鱼类大脑中的Swift神经元信号,科学家已经开始使用一种称为光场显微镜的技术,这使得可以在3D中映像这样的快速生物过程。但是图像通常缺乏质量,并且需要数小时或几天时间才能将大量数据转换为3D卷和电影。

现在,欧洲分子生物学实验室(EMBL)的科学家们yabo124将人工智能(AI)算法与两种尖端显微镜技术结合起来,这一进步将图像处理时间从几天缩短到几秒,同时确保得到的图像清晰准确。研究结果发表在自然的方法。

“最终,我们能够采取”两全其美“的方法,”本文的两位引导作者之一,现在是慕尼黑技术大学的博士生,“Nils Wagner说。“AI使我们能够结合不同的显微镜技术,使得我们可以像光场显微镜一样快地播放并接近光纸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。光场显微镜捕捉大的3D图像,使研究人员能够跟踪和测量非常精细的运动,例如鱼幼虫的心跳,在非常高速。但这种技术会产生大量数据,可能需要数天的时间来处理,而且最终的图像通常缺乏分辨率。

光板显微镜可以在一个给定样本的单一2D平面上成像,因此研究人员可以以更高的分辨率成像样本。与光场显微镜相比,光片显微镜产生的图像处理速度更快,但数据并不全面,因为它们一次只从单个2D平面上获取信息。

为了利用每种技术的好处,EMBL研究人员开发了一种方法,它使用浅场显微镜来图像大3D样品和光纸显微镜,以训练AI算法,然后创建样本的准确3D图片。

“如果你构建生成图像的算法,你需要检查这些算法构建的是正确的图像,”EMBL小组组长安娜·克雷舒克(Anna Kreshuk)解释说,她的团队为该项目带来了机器学习专业知识。安娜说,在这项新研究中,研究人员使用了光板显微镜来确保人工智能算法有效。“这让我们的研究从过去的研究中脱颖而出。”

Robert Prevedel是EMBL小组的组长,他的小组为新型混合显微镜平台做出了贡献。他指出,建造更好的显微镜的真正瓶颈往往不是光学技术,而是计算能力。这就是为什么在2018年,他和安娜决定联手。“我们的方法对于那些想要研究大脑如何计算的人来说是非常关键的。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,这种方法可能会改进,也适用于不同类型的显微镜,最终使生物学家可以观察几十个不同的标本,并更快地看到更多。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,研究人员计划探索该方法是否可以应用于较大的物种,包括哺乳动物。

2021年5月7日,自然方法
DOI:10.1038 / S41592-021-01136-0

学习联合主导作者FynnBeuttenmüller,在Embl Heidelberg的Kreshuk集团中的博士学位,对AI的力量没有疑问。“计算方法将继续引发令人兴奋的进程。”

第一个发表评论在“两个世界中最好的:人工智能使得比以往任何时候都更好”

留下你的评论

电子邮件地址是可选的。如果提供的话,您的电子邮件不会发布或共享。