Nat Methods | 北京大学席鹏等报告了Dark sectioning，一种受自然图像去雾启...

正文

请到「今天看啥」查看全文

的研究论文， 该研究报告了 Dark sectioning，这是一种受自然图像去雾启发的方法，用于去除背景，利用暗通道先验和双频分离来提供单帧光学切片。

与去噪或去卷积不同，暗切片专门针对并移除失焦背景，稳定地将信号-背景比提高了近10 dB，并将图像的结构相似性指数度量提高了约10倍。使用宽视场、共焦、二维/三维结构照明和具有高保真重建的单/双光子显微镜来验证暗切片。进一步证明了其提高深层组织中分割准确性的潜力，从而更好地识别小鼠大脑中的神经元，并准确评估前列腺病变或小鼠大脑切片中的细胞核。 Dark sectioning与许多其他显微镜检查形式兼容，包括光幕和光场显微镜检查，以及处理算法，包括去卷积和超分辨率光学波动成像。

荧光显微镜通过使亚细胞结构和细胞间相互作用可视化，在细胞生物学中占据着关键位置；然而，散射或失焦荧光导致的散焦背景可能会严重影响聚焦图像的清晰度。现代光学显微镜的发展很大程度上建立在光学切片技术上，如激光扫描共聚焦显微镜、多光子显微镜、光学切片结构照明显微镜(OS-SIM)、光片显微镜(LSM)11/选择性平面照明显微镜和组织光学透明； 然而，与传统方法(如宽视场(WF)显微镜)相比，这些先进技术损失了时间分辨率或光子效率，并且散焦背景仍然降低了它们在深层组织成像中的性能。

计算方法对于改进光学显微镜已经变得越来越重要。典型的计算荧光方法包括重建算法，如高低频显微镜(HILO)、SIM、超分辨率光学波动成像(SOFI)和前/后处理去卷积和去噪声等算法。这些方法中的大多数需要预处理图像以去除背景，从而避免最终图像中的伪影；然而，传统的背景去除方法，如滚球或滑动抛物面算法，大多基于离焦信息位于低频的假设，这可能导致不正确或不完全的散焦背景去除，以及微弱的信号保留。 先进的开源背景去除算法，如deepWonder、BF-SIM5和QLFM，以及商业算法，如即时计算清除(ICC对于徕卡的WF系统)或者分别专用于WF(仅用于神经元成像)、SIM或者光场，或者对于广泛的成像研究具有有限的可及性。 鉴于这些问题，迫切需要一种用于荧光显微术的鲁棒且通用的背景去除技术。

Dark sectioning的原理和性能（图源自 Nature Methods ）

暗通道先验是自然室外图像去雾中最成功的方法之一。这个简单而强大的原理特别先进的单幅图像去雾；然而，它的成功依赖于室外场景典型的均匀雾度分布和颜色特征，这使得它不适合直接应用于荧光图像。 荧光图像固有的复杂结构和不均匀的背景分布(其中像素灰度表示荧光发射强度)对暗通道先验的直接应用提出了挑战。 因此，尽管暗通道先验在区分和消除室外图像中的模糊方面取得了巨大成功，但它在应用于荧光显微照片时失败了。

该研究开发了一种称为暗切片（ Dark sectioning

请到「今天看啥」查看全文