AI方法利用光学现象生成更优显微图像

定量相位成像（QPI）是一种广泛应用于细胞研究的显微技术。尽管基于QPI的早期生物医学应用已有所发展，但其采集速度和图像质量仍需提升，以确保广泛适用性。

来自德国亥姆霍兹德累斯顿-罗森多夫研究中心（HZDR）下属格尔利茨高级系统理解中心（CASUS）、伦敦帝国理工学院和伦敦大学学院的科学家提出，利用通常会降低图像质量的色差现象，通过标准显微镜生成高质量图像。借助生成式AI模型，仅需一次曝光即可获得使QPI在生物医学应用中具备吸引力的图像质量。研究团队于2月底在费城举办的第39届人工智能促进协会（AAAI 2025）年度会议上展示了该成果，相关论文已发布于arXiv预印本平台。

传统染色法虽能提供有价值的信息，但其耗时、昂贵且依赖试剂的缺点限制了临床诊断中的广泛应用。近年研究聚焦于QPI等无标记显微技术。QPI不仅记录样本吸收或散射的光强，还通过散射信息捕捉样本对穿过光的相位偏移——这一变化与样本厚度、折射率等结构特性直接相关。与需要昂贵设备的传统QPI不同，计算型QPI无需复杂硬件。

当前主流的计算QPI方法之一是求解强度传输方程（TIE）。该微分方程可通过记录的相位变化重建样本图像，易于整合至现有光学显微镜系统，且成像质量优异。但传统TIE方法需多次变焦拍摄以消除伪影，操作复杂且耗时，难以满足临床需求。

利用色差

CASUS青年研究组负责人、AAAI会议论文通讯作者Artur Yakimovich教授表示：“我们的方法与TIE原理相似，但通过物理与生成式AI的结合，仅需单次曝光。” 团队利用显微镜透镜系统无法完美汇聚所有波长（即色差）的特性，将红、绿、蓝光的微小焦距差异转化为优势——通过常规RGB探测器分别记录三色光的相位偏移，构建多焦面堆栈，实现计算QPI。

然而，色差QPI面临关键挑战：红蓝光焦点间距极小，传统TIE求解难以奏效。论文第一作者之一、CASUS博士生Gabriel della Maggiora指出：“生成式AI的引入成为破局关键。” 团队基于包含120万张图像的开放数据集训练AI模型，使其能够从有限数据中提取相位信息。

在临床样本上验证

团队采用去年提出的条件变分扩散模型（CVDM）——一种计算效率优于传统扩散模型的生成式AI架构，开发了适用于定量数据的新型扩散模型。通过配备商用彩色相机的普通明场显微镜对真实临床样本（如人尿红细胞）测试，该方法成功还原细胞环形结构，而传统TIE方法未能实现。此外，新方法几乎消除了图像中的云状伪影。

Yakimovich团队专注于开发可即时应用于临床的显微计算技术，其核心挑战在于抑制生成式AI的“幻觉”干扰。团队通过融合物理原理（如色差的光学机制）显著提升了结果的可靠性。这一基于AI的定量相位成像案例证明，物理驱动的生成式AI在生物医学领域前景广阔。

相关链接：https://dx.doi.org/10.48550/arxiv.2406.04388