新的计算显微技术为清晰图像提供更直接的途径

数百年来，显微镜的清晰度和放大率最终受限于其光学镜片的物理特性。显微镜制造商通过制造越来越复杂、越来越昂贵的镜头元件堆栈来突破这些限制。尽管如此，科学家们仍不得不在高分辨率和小视场与低分辨率和大视场之间做出选择。

2013 年，加州理工学院的一个工程师团队推出了一种名为 FPM（傅立叶分层显微镜）的显微镜技术。该技术将传统显微镜的传感技术与计算机算法结合在一起，以新的方式处理检测到的信息，从而创建覆盖更大区域的更深、更清晰的图像。FPM 能够在使用相对廉价的设备保持大视野的同时获取高分辨率的样品图像，因此被广泛采用。

现在，同一实验室又开发出了一种新方法，它在获取无模糊或失真图像的能力上优于 FPM，甚至可以减少测量次数。这项新技术在《自然·通讯》（Nature Communications）杂志上发表的一篇论文中进行了描述，它将推动生物医学成像、数字病理学和药物筛选等领域的进步。

这一新方法被命名为APIC（Angular Ptychographic Imaging with Closed-form method），它具有FPM的所有优点，但却没有FPM的最大弱点——即为了得到最终图像，FPM算法依赖于从一个或几个最佳猜测开始，然后每次调整一点来得到其 "最佳 "解决方案，而这并不一定符合原始图像的真实情况。

图片:new-computational-micr.jpg

APIC的概念以及APIC与傅里叶镜片显微镜（FPM）重建过程的比较。

在电气工程、生物工程和医学工程 Thomas G. Myers 教授以及传统医学研究所研究员Changhuei Yang的领导下，加州理工学院团队意识到，有可能消除算法的这种反复性。

APIC 不是依靠反复试验来找到解决方案，而是求解一个线性方程，得出像差或显微镜光学系统产生的畸变的细节。一旦知道了像差，系统就能对其进行校正，基本上就能像理想状态一样运行，并产生覆盖大视场的清晰图像。

论文的共同第一作者Ruizhi Cao曾是杨振宁实验室的研究生，现在是加州大学伯克利分校的博士后，他说："我们以闭合形式得出了高分辨率复杂场的解决方案，因为我们现在对显微镜捕捉到了什么、我们已经知道了什么以及我们需要真正弄清楚什么有了更深入的了解，所以我们不需要任何迭代"。通过这种方式，我们基本上可以保证我们看到的是一个样本真实的最终细节。

与 FPM 一样，这种新方法不仅能测量显微镜所见光线的强度，还能测量光线的一个重要属性，即 "相位"，它与光线传播的距离有关。人眼无法检测到这一特性，但其中包含的信息对校正像差非常有用。

APIC 论文的共同第一作者Cheng Shen解释说，FPM 正是依靠试错法来求解这种相位信息，他也是在杨的实验室完成这项工作的，现在是苹果公司的计算机视觉算法工程师。

Shen说：“我们已经证明，我们的方法可以提供分析解决方案，而且更加简单明了。它更快、更准确，并能利用对光学系统的深刻理解。”

除了消除相位求解算法的迭代性质外，新技术还能让研究人员在大视野范围内收集清晰图像，而无需反复重新聚焦显微镜。使用 FPM 时，如果样品的高度从一个部分到另一个部分哪怕只有几十微米的变化，使用显微镜的人就必须重新对焦才能使算法发挥作用。

由于这些计算显微镜技术经常需要将 100 多张低分辨率图像拼接在一起，以拼凑出更大的视场，这意味着 APIC 可以大大加快处理速度，并在许多步骤中避免可能出现的人为错误。

Cao 说："我们开发了一个框架来校正像差，同时提高分辨率。这两项功能有可能为更广泛的成像系统带来丰硕成果。

Yang说，APIC的开发对于他的实验室目前正在进行的优化人工智能（AI）应用图像数据输入的更广泛工作至关重要。

Yang说："最近，我的实验室证明，人工智能在预测肺癌患者简单组织病理切片的转移性进展方面，可以胜过病理专家。这种预测能力完全依赖于获得均匀对焦和高质量的显微镜图像，而APIC非常适合这方面的工作"。

相关链接：https://phys.org/news/2024-06-microscopy-technique-route-crisp-images.html

论文链接：https://dx.doi.org/10.1038/s41467-024-49126-y