[发明专利]一种基于深度学习的结构光超分辨显微成像方法和系统

说明书

本发明公开了一种基于深度学习的结构光超分辨显微成像方法和系统。系统包括沿光路方向依次分布的光源、第一透镜、偏振分光棱镜、空间光调制器SLM、第二透镜、照相模式切换模块、第三透镜、显微物镜、三维电动载物台、二向色镜、筒镜、滤色片和相机；所述照相模式切换模块包括三种模式：3D‑SIM模式、2D‑SIM模式和宽场模式。方法是一种基于深度学习的，关键帧辅助下的结构光照明显微超分辨成像方法。本发明将宽场成像与结构光照明超分辨显微成像技术相结合，能降低结构光照明超分辨显微成像过程中的光毒性与光漂白，实现对活细胞亚显微结构的长时间超分辨动态观测。

技术领域

本发明属于荧光显微成像技术领域，特别是一种基于深度学习的宽场照明模式与结构光照明模式相互融合的进行活细胞动态长时间超分辨显微成像的方法和系统。

背景技术

在生命科学研究中，荧光显微镜由于具有特异性可标记性、能够对活体细胞进行实时成像等优点，被广泛应用。但由于荧光显微镜受衍射极限的限制，其在生命医学研究领域的使用被大大局限。近些年来，科研人员提出了能够突破衍射极限的超分辨显微技术，包括受激发射损耗显微技术，光激活定位显微技术，随机光学重建显微技术与结构光照明显微技术等。其中，结构光照明显微技术通过调制的条纹结构光照明样品，再通过图像重建可以实现两倍于衍射极限的分辨率。相较于其他超分辨成像技术，结构光照明显微技术具有较高的时间分辨率(约80Hz)，对标记样品的荧光染料无特殊要求，且光毒性较低(照明强度约10W/cm2)，这些优点对于活细胞的动态观察来说十分重要。因此，结构光照明显微镜主要被用于观测亚细胞水平的活体观测，包括线粒体动态变化，细胞骨架动态变化，染色体动态变化，细胞内小囊泡运动，病毒在细胞内的移动等。然而，结构光照明显微技术需要多次测量来重构一张超分辨图像，并且在结构光显微技术的重建算法中，包含了对频域信息分离、频域信息拼接等复杂操作。然而，这种重建算法对原始荧光图像的信噪比要求较高。否则，若采用低信噪比的原始荧光图像进行超分辨率重建的话，则最终的超分辨率图像会存在大伪影。这些伪影的存在会严重影响最终超分辨率重建图像的质量，使得无法区分真实的样本信息与重建过程中产生的伪影，进而影响显微观测效果。

为了解决上述缺陷，基于深度学习的结构光照明超分辨显微成像方法应运而生。基于深度学习的方法在根据大量示例数据学习端到端的图像变换关系方面取得了很大的成功。自2019年深度学习首次被应用于结构光超分辨显微成像，已有不少学者基于U-Net、生成对抗网络(GAN)、残差通道注意力网络(RCAN)等提出相应的结构光照明超分辨重建算法。这些算法主要解决了两类问题：1)改善低信噪比条件下的成像质量，降低光毒性；2)减少重建所需原始图像数量。上述问题的解决均可有效提高结构光照明显微成像的时间分辨率，降低成像过程中的光漂白与光毒性，为长时间活细胞实时动态成像提供可能。

但基于深度学习方法直接从宽场图像到结构光调制下获得的超分辨图像依旧难以获得理想的效果，并且重建出的超分辨结构并不可靠。宽场成像能够进一步降低活细胞动态成像过程中的光毒性与光漂白，延长活细胞动态成像时间。由于衍射受限的宽场图像不包含可解析的超分辨信息，传统的基于Wiener反卷积等分析模型的算法无法通过宽场图像得到超分辨图像。而基于深度学习的方法无需显式分析模型，这些基于数据驱动的方法不仅可以逼近图像退化过程的伪逆函数还可以逼近超分辨解的随机特性。因此，研究如何借助深度学习方法从宽场图像中直接获取高质量的可靠的超分辨图像对于活细胞亚显微结构的长时间动态观察至关重要。

发明内容

本发明的目的在于针对上述现有技术存在的问题，提供一种宽场成像与结构光照明相融合的超分辨显微成像技术与系统，以降低结构光照明超分辨显微成像过程中的光毒性与光漂白，实现对活细胞亚显微结构的长时间超分辨动态观测。

实现本发明目的的技术解决方案为：一方面，提供了一种基于深度学习的结构光超分辨显微成像系统，所述系统包括沿光路方向依次分布的光源、第一透镜、偏振分光棱镜、空间光调制器SLM、第二透镜、照相模式切换模块、第三透镜、显微物镜、三维电动载物台、二向色镜、筒镜、滤色片和相机；