Tsinghua团队通过第一个高分辨率3D监测了300,000多种?

资料来源：DeepTech最近，Tsinghua大学的团队开发了一个新的Serenet自我控制网络（自我控制重建网络），用于快速，高分辨率3D重建，并强大地重建光场显微镜及其变体。 4D信息提前，Serenet在有害条件下的现有深度学习方法（例如强噪声，光学异常和样本运动）中提供了出色的概括能力。此外，与传统的迭代方法相比，Cerenet提高了处理速度700倍，达到了毫秒的处理速度。作为新一代显微镜技术，预计该技术的进步将用于生物医学图像领域，例如细胞生物学，神经科学和免疫学，并为快速，精确的样品生物学的快速3D图像提供了新的解决方案，请记住Serenet只需要估算点功能才能适应该应用程序。这非常通用的属性使其应用远远超出了生物医学科学领域，该领域在专业领域中具有巨大的应用潜力，这些应用依赖于计算图像技术（例如快速摄影，天文图像和水下检测）的计算。最近，标题为[1]的一篇相关文章是“重建光场显微镜，用于由物理学促进的，用于物理学驱动的自我监督学习。”关联的代码当前是开源的。 Fudan University的Tsinghua大学博士后研究员Lu Zhi是Fudan University博士生的Jin Manchang，是Tsinghua University的Co authors and Academics dai Qionghai，同事，合作教授Wu Jiamin教授和Yang Yangyangyu教授Yang Yangyangyu yangyan Yangyun yang Yangyu yangyu yangyu。图|相关文档（来源：自然方法）该研究小组长期以来一直致力于根据光领域进行生活显微镜现场研究。近年来，SLIM1100 [2]扫描光学显微镜和Slim2000共聚焦Scane光场显微镜[3]，活泼的元素显微镜Rush3D [4]和Slim1100光场显微镜等，为算术图像仪器开发了一系列结果。数学操纵。重建的质量很好，但是速度很慢。在后续阶段开发的监测深度学习方案在速度方面有了显着改善，但受到特定样本的培训数据要求的限制，这使得很难同时考虑概括能力和图像的保真度。 Lu Zhi DeepTech解释说：“这些方法需要用户返回其神经网络以学习每个新样本以学习显微镜和重建过程。”摄影师Lu Zhi博士参加了科学委员会，就医生和工程的交汇处解决了以前的问题（来源：Lu Zhi），团队开发了一个InnovatiVE IDEA于2021年9月，最终在神经网络中开发了解决方案的物理信息。 "This self -controlled deep learning algorithm allows more efficient 3D reconstruction without depending on large amounts of trained training data. Illustration | Serenet design principle (Source: Nature Methods) Serenet consists mainly in three modules: a deep decomposition module, a convolutionary neuronal network module and a module of a module Self -control.LE, the network achieves an efficient reconstruction of three - 限制该设计的模型可以使用固定点的卷积和指导，以实现3D卷积的卷积，可以使用3D汇总的固定点来学习固定点的卷积和指导。 d在波浪前的Issemination区域网络培训，用于建模神经网络中的显微镜光学物理方程，将3D重建时间从3D算法的时刻减少到50毫秒。该技术在现实世界应用中更加实用的挑战。在肾脏骑士对话中稳定，移动运动触觉，校正光学异常，横向样品的概括能力（例如，几种生物样品，例如斑马鱼，小鼠和果蝇），完全自动化的重建（不需要人工操纵干预）。具体而言，研究人员特别设计了噪声盗用损失的新功能，引入了predao方法，以纠正光学异常并开发光网络，通过优化的数据集和培训策略将模拟数据推广到实际生物样品。 “这些改进旨在使技术实践不仅在纸张水平上，而且我卢齐的动画|研究团队在研究团队中对全身免疫细胞活动的注册和重建分析，在斑马鱼幼虫的尾部手术后（来源：研究组）是由斑马可COLA削减引起的炎症性损伤实验，它们观察到了一次免疫局部的四个小时的动力学，并在持续的四个小时的活动中，在持续的两个小时的活动中，并在两次动作范围内，均为四个小时的动力学。在体积中记录了来自340,000张图片的高分辨率数据，这是在病变后首次清楚地显示了大规模免疫迁移的完整动态特性。 Coweard Fish巨噬细胞（绿色标记）和中性粒细胞（黄色标记）在椰子骨折后的几个小时内显着增加，显示出高度活跃的状态。这种Tecnology受到审稿人的赞扬。 “系统的总体表现，作者解决的问题数量以及广泛的应用程序，我们给我们留下了深刻的印象。”动画|碎片手术和对照组的斑马幼虫中的全身免疫细胞活性（来源：研究组）Cerenet技术也表明了光学异常和采样运动的鲁棒性。这是实时图像中的特征钥匙值。在研究小鼠肝损伤模型时，研究人员使用此技术来改善肝损伤模型的使用。我们成功地管理中性粒细胞和库普弗细胞之间的细胞相互作用和细胞信号传导过程。这些发现为对先天免疫系统的修复机制有更深入的了解为新的观点提供了新的观点。信息说技术将技术纳入HEHU技术产品软件中，以提高重建效率，并为生命科学研究提供更有用的工具。此外，该技术应用的可能性超过了当前证明的光场图像（基于多个点的传播功能）。研究人员最近发现该方法也可以应用于独特的视觉图像系统。通常，可以将其扩展到可以估计的任何计算机图像字段。图|基于这项研究，我们计划继续探索肝损伤实验中免疫细胞和内皮细胞之间的募集行为（来源：自然方法）。首先，通过扩展图像量表，当前技术可以涵盖数百微米的范围。拉翁；其次，它与智能技术结合在一起，以允许显微镜具有思考“人类”和理解和ANA的能力Lyze独立于平均镜子的世界，揭示具有高性能和支持药物检测和其他用途的生物定律。参考文献：1。Lu，Z.，Jin，M。等。由物理学提倡的自我控制学习，用于高速强大的3D重建和光场显微镜的高分辨率。自然方法（2025）。 https://doi.org/10.1038/s41592-025-02698-z2.wu，J。等。使用数字自适应光学器件的重复进行断层扫描可以在数百万图像中每小时3D亚细胞动力学的体内观察。 Cell 184，3318-3332（2021）.https：//doi.org/10.1016/j.cell.2021.04.0293.lu，Z。等。带有共聚焦SC的体内项术语分析显微镜中的细胞内图像。自然生物技术43，569–580（2025）.https：//doi.org/10.1038/s41587-024-024-02249-54.zhang，Y。等。哺乳动物器官中3D细胞间动力学的长期中间人中心图像。 Cell 187，6104-6122（2024）.https：//doi.org/10.1016/j.cell.2024.08.026operation/type：他是钦龙