8月4日，成像设施总工程师费鹏研究团队提出一种基于深度学习的光场成像方法，以实现对多种细胞器的长时程、高时空分辨率的观测。相关工作以“Adaptive-learning physics-assisted Light-Field Microscopy enables day-long and millisecond-scale super-resolution imaging of 3D subcellular dynamics”为题发表在《Nature Communications》。
基于自适应学习物理辅助重建网络的光场超分辨方法原理图
文章所提方法称为基于自适应学习物理辅助重建的光场超分辨成像方法（Adaptive-Learning PHysics-Assisted light-field microscopy，Alpha-LFM）。研究团队设计了物理感知的深度学习框架，对光场编码过程进行分步求解、重建，使得光场显微技术首次突破衍射极限，达到了近120 nm的各向同性分辨率；结合自适应微调策略，Alpha-LFM可在未见过的样本类型上实时优化网络参数，提升重建精度。该方法拓宽了现有三维超分辨显微成像技术的时空分辨率边界，体成像速度从秒级提升到毫秒级，成功解析了细胞内溶酶体与线粒体之间的精细相互作用、以及过氧化物酶体和内质网的快速三维运动；同时，其极低的光毒性和光漂白性使得成像体积数提升了2-3个数量级，利用长达60小时的持续观测，揭示了线粒体分裂活性在两个完整细胞周期中的变化情况。
原文链接：https://www.nature.com/articles/s41467-025-62471-w
