Nature Methods：华中科技大学费鹏团队在生物动态光学成像方面取得新研究进展

生命现象中许多重要的动态过程，例如心跳、血流、神经活动等，常在三维空间和短至毫秒级的时间尺度发生变化。对它们进行快速、高分辨率的显微观测则是一项有意义且富有挑战的工作。目前主流的扫描型光学显微镜均需通过获取多帧平面图像来重建三维信号，因此体成像的速率通常被限制在秒至分钟级，难以捕捉上述的动态生物学过程。近日，来自华中科技大学的研究团队提出一种基于深度学习的光场成像方法，实现了对动态过程的长时程、快速、高分辨率的三维观测。该研究构建的神经网络可根据记录的二维光场图像实时重建出信号的动态三维分布。方法突破了目前三维成像技术因光学通量的限制而导致的高速和精准难以兼顾的问题，成功以单细胞分辨率捕捉了活体样本的毫秒级三维动态生物学过程，且二-三维图像重建的速度高达数十体积每秒，实时性高。

图1展示了光场成像结合深度学习VCD重建的整体工作流程。毫秒级的动态过程由一台自研的光场显微镜获取，原始二维光场图像序列经过一个新颖的“视角提取→特征学习→深度复原”的view→channel→depth重建网络后直接被转变成高分辨率三维图像序列（图1b）。得益于深度学习的标签数据导向特性，该方法不受系统光学衍射的限制，在保持光场成像高时间分辨率的同时，显著提高了三维重建图像的质量。相较于经典的迭代光场去卷积重建算法，速度提高3个数量级，空间分辨率提升2倍，伪影显著地减少。

图1. 深度学习VCD光场显微成像原理

基于此技术，研究者们以100 Hz的体速率对自由运动线虫的神经活动和行为进行了观测。重建的三维图像视频能清晰分辨单个神经元的强度和空间位置的变化。得益于单细胞精度及毫秒级成像速率，研究者成功定量揭示了线虫运动神经元钙信号波动趋势与其行为（速度、行为模式）之间的关系，为线虫神经行为提供了重要参考（图2a）。此外，研究者们还展示了该技术在信号标记更稠密的活体斑马鱼心跳血流成像上的应用（图2b），以200 Hz体速率重建出心肌跳动和血细胞流动的瞬态信号，并完成对应的定量心脏血流动力学分析。

图2. 深度学习光场成像在单细胞水平捕捉自由运动线虫行为，斑马鱼胚胎心肌跳动，和血细胞流动等高速动态过程

这一成果于2021年2月11日发表在国际著名学术期刊Nature Methods 上。华中科技大学毕业生汪兆强（现加州大学洛杉矶分校博士生），博士生朱兰馨、张皓为论文共同第一作者。华中科技大学费鹏教授、高尚邦教授及加州大学洛杉矶分校Tzung Hsiai教授为论文共同通讯作者。

原文及视频演示（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Real-time volumetric reconstruction of biological dynamics with light-field microscopy and deep learning

Zhaoqiang Wang, Lanxin Zhu, Hao Zhang, Guo Li, Chengqiang Yi, Yi Li, Yicong Yang, Yichen Ding, Mei Zhen, Shangbang Gao, Tzung K. Hsiai & Peng Fei

Nat. Methods, 2021, DOI: 10.1038/s41592-021-01058-x

研究团队简介

费鹏，华中科技大学光电学院教授，生物光子学与微流控技术课题组负责人。从事学科交叉研究，领域为面向生命科学的光学成像新方法、新仪器。迄今在Nat. Methods, Nat. Mater., Optica, e-Life, J. Clin. Invest., Lab Chip等光学、材料、生化、医学领域的著名期刊及Nat. Commun., PNAS, Adv. Sci.等著名综合性期刊多次发表学科交叉论文，相应技术获授权发明专利多项。成果曾被Nature Photonics, Nature Methods, MIT Technique Reviews高亮报道，并获产业转化。