Nat Biotechnol：中美科学家开发出更快的荧光显微镜图像处理技术，可将后处理时间缩短高达几千倍
来源：本站原创 2020-07-18 19:11
2020年7月18日讯/生物谷BIOON/---在一项新的研究中，来自美国国家生物医学成像与生物工程研究所和中国浙江大学的研究人员开发出了新的显微镜图像处理技术，可以将后处理时间缩短高达几千倍。相关研究结果近期发表在Nature Biotechnology期刊上，论文标题为“Rapid image deconvolution and multiview fu
2020年7月18日讯/生物谷BIOON/---在一项新的研究中，来自美国国家生物医学成像与生物工程研究所和中国浙江大学的研究人员开发出了新的显微镜图像处理技术，可以将后处理时间缩短高达几千倍。相关研究结果近期发表在Nature Biotechnology期刊上，论文标题为“Rapid image deconvolution and multiview fusion for optical microscopy”。论文通讯作者为浙江大学的刘华锋（Huafeng Liu）教授、美国国家生物医学成像与生物工程研究所高分辨率光学成像实验室的Hari Shroff博士和Yicong Wu博士。论文第一作者为浙江大学的Yue Li和美国国家生物医学成像与生物工程研究所高分辨率光学成像实验室的Min Guo。
在这篇论文中，这些研究人员描述了这种技术可以显著减少处理利用最尖端显微镜创建的高度复杂图像所需的时间。这类显微镜经常被用来捕捉在鱼类中移动的血液和脑细胞，可视化观察线虫胚胎的神经发育，并精确地确定整个器官内的单个细胞器。
随着显微镜不断变得更好，更快地创建更高分辨率的图像，科学家们发现他们有更多的数据而无法及时处理。虽然视频本身可以在几分钟内捕获，但图像的大小可能是兆兆字节（TB），需要几周或在某些情况下，需要几个月的处理时间才能使用。
花费如此长的时间的原因之一是，视频通常会捕捉到微小的物体，而这些物体在显微镜下会变得模糊不清。这种模糊可以通过一种称为解卷积（deconvolution）的程序来减少，但这个程序需要大量的计算能力和时间。
第二个问题是，今天使用的许多显微镜对同一生物体或细胞进行多视角拍摄。这些图像需要正确定位，然后组合成三维图像和视频。从原始数据中创建高分辨率图像需要大量的计算机处理。因此，虽然显微镜的发展为科学家们提供了越来越复杂的高分辨率图像，但计算能力限制了人们使用的实用技术---这是因为他们知道，他们收集的大部分数据将不会被使用。
这些研究人员试图做的第一件事就是修改许多科学家们使用的解卷积算法，使得它运行速度更快。这种方法最初是为医学成像的其他领域（比如计算机断层扫描）提出的；然而，这是第一次成功地对它进行改进，用于荧光显微镜中。荧光显微镜使用染料来提高样本的对比度，使得人们能够专注于样品的特定部分，并观察不同元素如何相互作用。
其次，他们减少了定位和拼接样品的多个视图所需的时间。这一进步的关键部分依赖于一种称为并行化（parallelization）的过程。这是一种有时在超级计算中使用的方法，它不是逐个处理单个函数，而是将任务分解成可以并发分析的更小任务。这就像要求成千上万的人同时各自解决一个数学问题，而不是要求一个人解决成千上万个问题。
最后，这些研究人员发现，他们可以通过使用一种称为神经网络的人工智能技术进一步缩短处理数据所需的时间。人工智能正越来越多地被用于辅助影像处理和诊断。在这项新的研究中，他们对神经网络进行了训练，以比其他方式更快地产生更干净和更高分辨率的图像。
Shroff说，“获取现代成像数据有点像从消防水管里喝水。鉴于这些显微镜可以产生大量的数据，这种方法帮助我们更快地获得有价值的生物信息，这是至关重要的。”
这些进展扩大了现有技术的使用范围，包括允许对厚厚的样品进行成像，这些样品在用荧光显微镜检查时，会产生大量的图像数据。这些进展对于越来越多的“计算显微镜（computational microscope）”的使用也是必不可少的。在计算显微镜中，对无法理解的原始数据进行后处理是产生最终高分辨率图像的重要步骤。这些研究人员希望，它们将帮助科学家们用他们从未想过的方法去尝试，这是因为创造有意义的图像需要大量的劳动。（生物谷 Bioon.com）
参考资料：
1.Min Guo et al. Rapid image deconvolution and multiview fusion for optical microscopy. Nature Biotechnology, 2020, doi:10.1038/s41587-020-0560-x.
2.Faster processing makes cutting-edge fluorescence microscopy more accessible
https://phys.org/news/2020-06-faster-cutting-edge-fluorescence-microscopy-accessible.html
图片来自National Institute of Biomedical Imaging and Bioengineering。
在这篇论文中，这些研究人员描述了这种技术可以显著减少处理利用最尖端显微镜创建的高度复杂图像所需的时间。这类显微镜经常被用来捕捉在鱼类中移动的血液和脑细胞，可视化观察线虫胚胎的神经发育，并精确地确定整个器官内的单个细胞器。
随着显微镜不断变得更好，更快地创建更高分辨率的图像，科学家们发现他们有更多的数据而无法及时处理。虽然视频本身可以在几分钟内捕获，但图像的大小可能是兆兆字节（TB），需要几周或在某些情况下，需要几个月的处理时间才能使用。
花费如此长的时间的原因之一是，视频通常会捕捉到微小的物体，而这些物体在显微镜下会变得模糊不清。这种模糊可以通过一种称为解卷积（deconvolution）的程序来减少，但这个程序需要大量的计算能力和时间。
第二个问题是，今天使用的许多显微镜对同一生物体或细胞进行多视角拍摄。这些图像需要正确定位，然后组合成三维图像和视频。从原始数据中创建高分辨率图像需要大量的计算机处理。因此，虽然显微镜的发展为科学家们提供了越来越复杂的高分辨率图像，但计算能力限制了人们使用的实用技术---这是因为他们知道，他们收集的大部分数据将不会被使用。
这些研究人员试图做的第一件事就是修改许多科学家们使用的解卷积算法，使得它运行速度更快。这种方法最初是为医学成像的其他领域（比如计算机断层扫描）提出的；然而，这是第一次成功地对它进行改进，用于荧光显微镜中。荧光显微镜使用染料来提高样本的对比度，使得人们能够专注于样品的特定部分，并观察不同元素如何相互作用。
其次，他们减少了定位和拼接样品的多个视图所需的时间。这一进步的关键部分依赖于一种称为并行化（parallelization）的过程。这是一种有时在超级计算中使用的方法，它不是逐个处理单个函数，而是将任务分解成可以并发分析的更小任务。这就像要求成千上万的人同时各自解决一个数学问题，而不是要求一个人解决成千上万个问题。
最后，这些研究人员发现，他们可以通过使用一种称为神经网络的人工智能技术进一步缩短处理数据所需的时间。人工智能正越来越多地被用于辅助影像处理和诊断。在这项新的研究中，他们对神经网络进行了训练，以比其他方式更快地产生更干净和更高分辨率的图像。
Shroff说，“获取现代成像数据有点像从消防水管里喝水。鉴于这些显微镜可以产生大量的数据，这种方法帮助我们更快地获得有价值的生物信息，这是至关重要的。”
这些进展扩大了现有技术的使用范围，包括允许对厚厚的样品进行成像，这些样品在用荧光显微镜检查时，会产生大量的图像数据。这些进展对于越来越多的“计算显微镜（computational microscope）”的使用也是必不可少的。在计算显微镜中，对无法理解的原始数据进行后处理是产生最终高分辨率图像的重要步骤。这些研究人员希望，它们将帮助科学家们用他们从未想过的方法去尝试，这是因为创造有意义的图像需要大量的劳动。（生物谷 Bioon.com）
参考资料：
1.Min Guo et al. Rapid image deconvolution and multiview fusion for optical microscopy. Nature Biotechnology, 2020, doi:10.1038/s41587-020-0560-x.
2.Faster processing makes cutting-edge fluorescence microscopy more accessible
https://phys.org/news/2020-06-faster-cutting-edge-fluorescence-microscopy-accessible.html
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
