为了观察鱼大脑中快速的神经元信号，科学家们已经开始使用一种叫做光场显微镜的技术，这种技术可以使这种快速的生物过程在3D中成像成为可能。但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数据转换成3D卷和电影。



现在，EMBL科学家已经将人工智能(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《自然方法》杂志上。



神经网络的表示为鱼幼虫跳动的心脏提供了背景



该论文的两位主要作者之一、目前在慕尼黑工业大学攻读博士学位的尼尔斯•瓦格纳(Nils Wagner)说，最终，我们能够在这种方法中‘兼得’。人工智能使我们能够结合不同的显微镜技术，这样我们就可以在光场显微镜允许的速度下成像，并接近光片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。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。



为了充分利用每种技术的优势，EMBL研究人员开发了一种方法，使用光场显微镜对大的3D样本进行成像，用光片显微镜训练人工智能算法，然后创建样本的精确3D图像。



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。



下一步，研究人员计划探索这种方法是否可以应用于更大的物种，包括哺乳动物。





上一篇：AI+医疗平台搭建
下一篇：研究人员创建第一个人工智能模型 可以理解人们在触摸屏上的打字方式