联系我们

人工智能如何增强共聚焦成像

使用STELLARIS共聚焦平台进行温和的活细胞成像,以及由Aivia软件驱动的动态信号增强

[Translate to chinese:] Dynamic Signal Enhancement powered by Aivia: Truly simultaneous multicolor imaging of live cells (U2OS) in 3D  How_Artificial_Intelligence_Enhances_Confocal_Imaging_teaser.jpg

活细胞成像已经取得了长足的进步。然而,仍然存在着重大挑战。这些挑战包括在实验的温和性与快速采集速率、高空间分辨率和大成像维度之间取得平衡。因此,作为一名研究科学家,您在对快速生物过程进行成像时,很难获得完整和准确的高质量数据。为了开创新的领域,深入理解您的科学问题,您需要能够应对这些挑战的工具。

在本文中,我们将展示人工智能(AI)如何增强您的成像实验。即,由 Aivia 提供支持的动态信号增强如何在捕捉活细胞样本的时间动态的同时提高图像质量。

简介:活细胞 3D 成像的卓越标准

生命是复杂的、动态的,并且以 3D 形式存在。STELLARIS 共聚焦平台是捕捉生命特征的绝佳选择。使用 STELLARIS 进行活细胞成像,使您能够随着时间的推移以高 3D 分辨率捕捉亚细胞机制及其微环境的复杂动态。

STELLARIS 硬件:温和且快速的活细胞成像

共聚焦显微镜通常被认为是一种温和、无创的成像方法,非常适合用于活细胞研究。这一点在 STELLARIS 上尤其明显。一方面,STELLARIS 配备了白光激光(WLL),允许匹配荧光团激发光谱以最小化不良影响,例如光毒性。另一方面,灵敏的 Power HyD 探测器系列使您能够在宽光谱范围内忠实地检测到即使是最微弱的信号。最后,使用共振扫描仪,STELLARIS 不仅对样本温和,而且还能够以高时间分辨率捕捉活体样本中的动态变化。

活细胞成像的挑战

作为研究人员,您的目标是发现新的见解,因此经常会挑战成像实验的极限。因此,您可能会面临以下挑战:

  • 我能否获得更好的时间分辨率,以更准确地记录神经活动?
  • 我能否展示更多的标记物,从免疫突触中获得更多的背景信息?
  • 我能否延长实验时间,以更长时间地跟踪癌症干细胞的行为?

这些需求将不可避免地需要权衡取舍。这些看似互相矛盾的局限性可以用成像金字塔来可视化:温和性、速度、图像质量和维度。因此,能够缓解这些权衡的工具备受追捧。

利用动态信号增强(DSE)提高信噪比(SNR)

在实践中,活细胞成像的关键权衡通常在于获取速度和图像质量之间,因为实验的温和性和维度通常有一定要求。因此,由于捕捉活标本动态过程需要更高的帧率,活细胞成像实验通常具有比固定样品更低的图像质量,因为探测器捕获光子的时间较短。

在STELLARIS中,我们引入了动态信号增强(DSE)技术,用于实时降噪活细胞成像序列。DSE的核心算法是滚动平均计算。滚动窗口的基本原理是,相邻成像帧之间的噪声是随机的,而生物信号是保持不变的。因此,通过使用滚动窗口对多个相邻的原始成像帧进行平均,可以增强相关的生物信号,同时消除不需要的噪声。更专业地说,DSE可以提高信噪比(SNR),从而获得更好的图像质量。

其他“简单平均”方法,即对多个原始图像进行平均以输出单个去噪图像,会使时间分辨率降低平均因子。例如,如果对五个原始图像帧进行平均,输出图像的时间分辨率将降低五倍。相比之下,DSE 保留原始图像帧,并在整个原始图像序列上滑动固定大小的平均窗口。因此,原始成像数据和 DSE 处理后的成像数据在图像帧数和时间分辨率上是相同的。

Aivia 为动态信号增强提供支持:同时实现更好的时间动态和更好的信噪比

然而,由于我们通过滚动平均整合了多个原始数据帧,应用 DSE 时时间动态可能会降低。例如,当使用不利的高帧数进行滚动窗口时,动态结构可能会产生模糊和重影。因此,使用滚动窗口进行去噪有其自身的权衡:当对更多帧数进行平均时,信噪比会更好,但快速过程的时间动态会降低。当对较少帧数进行平均时,信噪比会更差,但快速过程的时间动态会得到更好的保留。

在此,由 Aivia 驱动的新 DSE 选项动态信号增强功能有助于提高活细胞成像效果。只需单击一下,Aivia 驱动的动态信号增强功能就能利用人工智能对帧进行插值。利用这一额外信息进行滚动窗口计算,DSE 现在可以同时获得更高的信噪比和更好的时间动态。

在上面的动画中,我们通过仅使用三个获取的原始图像来计算滚动窗口,实际上将样品的时间动态提高了一倍。同时,通过使用两个额外的插值帧进行滚动窗口计算,我们仍然平均了总共五个帧。虽然直观上可能会认为,这应该与使用五个原始帧且没有 Aivia 驱动的动态信号增强的 DSE 有相同的SNR,但实际上,我们观察到 SNR 有了进一步的提升。这种观察结果可以通过 Aivia 深度学习网络的动态信号增强的工作方式来解释:Aivia 的动态信号增强还通过对在帧间一致的像素(即生物信号)进行插值来充当过滤器,而不是对噪声进行插值。

需要注意的是,通过Aivia驱动的动态信号增强得到的帧数不会改变。这个数字与用作输入的原始数据帧的数量是相同的。因此,尽管 Aivia 驱动的动态信号增强可能在输入 DSE 时“加倍”了使用的帧数,但这些帧是暂时性的,这在使用 STELLARIS 进行活细胞实验时,能够为您带来更高的信噪比和更好的时间动态。

与 LIGHTNING 相结合

STELLARIS 软件提供了更多工具来改进您的活细胞成像实验。LIGHTNING 检测概念基于一种全自动、自适应的反卷积方法,您可以在单个处理步骤中轻松地将其与由 Aivia 驱动的动态信号增强相结合。通过这种方式,您的活细胞成像序列在多个方面得到改进——不仅噪声被去除,而且对比度得到增强,空间分辨率进一步提高。因此,通过将 DSE 和 LIGHTNING 相结合,我们能够进一步减轻成像金字塔的限制。

结论

如果您是一位进行活细胞3D成像的科学家,现在您可以在实验中从更先进的数据采集中受益,并为发表收集更准确和可靠的结果。您只需利用徕卡显微系统公司为STELLARIS共聚焦平台提供的全新动态信号增强(Dynamic Signal Enhancement powered by Aivia)软件包,就能充分利用AI的强大功能。

Scroll to top