5月16日，中国科学院生物物理研究所李栋团队联合清华大学自动化系戴琼海院士团队在《自然-通讯》杂志研究论文，提出了零样本通用显微图像处理框架ZS-DeconvNet，并开发了对应的一键式显微图像处理软件。

ZS-DeconvNet对共聚焦显微图像处理效果与传统方法对比

在生命科学领域，显微图像处理技术是推动研究进展的利器，可以在不增加活体成像实验成本的基础上提升图像质量。然而，RL解卷积（RL deconvolution）、稀疏解卷积（sparse deconvolution）等传统算法对光子噪声敏感，其性能很大程度上取决于超参数的主观设置；而深度学习方法则依赖大量低分辨率/信噪比-高分辨率/信噪比的显微图像数据对进行学习。这些因素严重阻碍了现有方法在日常生物实验中的使用。

在本研究中，研究人员提出了ZS-DeconvNet零样本通用显微图像处理框架，这是一种适用于多种成像模态、无需额外训练数据的通用AI显微图像处理方法，将为脑科学、细胞生物学等基础研究的发展提供强大、可靠的工具支撑。该方法具有物理性、通用性、鲁棒性和易用性的四大特性。研究团队开展了丰富的活体生物实验，证明了 ZS-DeconvNet 的通用性，发现ZS-DeconvNet在多种成像模态的生物实验中均可展现出卓越性能，助力生命科学研究。ZS-DeconvNet能够使用少至单张低分辨率/信噪比图像、以无监督的方式进行训练，稳定地将显微图像的分辨率提高至衍射极限1.5倍以上，工作荧光强度比传统的超分辨成像条件降低10倍。

中国科学院生物物理研究所李栋研究员、清华大学自动化系戴琼海教授为论文的共同通讯作者，清华大学自动化系博士后乔畅、博士生曾昀敏、中国科学院生物物理研究所博士生孟权、北京航空航天大学副教授陈星晔（原清华大学自动化系博士后）为共同第一作者。该研究得到了国家自然科学基金委、科技部、中国博士后科学基金、清华大学“水木学者”计划的资助。

 相关论文信息：

https://doi.org/10.1038/s41467-024-48575-9