Улучшение рабочей лошадки: искусственный интеллект и аппаратные инновации повышают производительность конфокального микроскопа


С тех пор, как пионер искусственного интеллекта Марвин Мински запатентовал принцип конфокальной микроскопии в 1957 году, она стала стандартом в лабораториях медико-биологических наук во всем мире благодаря своей превосходной контрастности по сравнению с традиционной широкопольной микроскопией. Однако конфокальные микроскопы не идеальны. Они повышают разрешение, отображая только одну, единственную точку в фокусе за раз, поэтому сканирование всего хрупкого биологического образца может занять довольно много времени, подвергая его легким дозам, которые могут быть токсичными.

Чтобы довести конфокальную визуализацию до беспрецедентного уровня производительности, в сотрудничестве с Морской биологической лабораторией (MBL) была изобретена конфокальная платформа «кухонная раковина», которая заимствует решения из других мощных систем визуализации, добавляет объединяющую нить «глубокого обучения» алгоритмы искусственного интеллекта и успешно улучшает объемное разрешение конфокала более чем в 10 раз, одновременно снижая фототоксичность. Их отчет о технологии, названной “Multiview Confocal Super-Resolution Microscopy”, опубликован в Интернете на этой неделе в Природа.

«Во многих лабораториях есть конфокальные устройства, и если они смогут добиться от них большей производительности, используя эти алгоритмы искусственного интеллекта, им не придется вкладывать средства в совершенно новый микроскоп. Для меня это одна из лучших и наиболее интересных причин для принятия эти методы ИИ “, – сказал старший автор и научный сотрудник MBL Хари Шрофф из Национального института биомедицинской визуализации и биоинженерии.

Среди нововведений – новая конфокальная платформа, в которой используются три линзы объектива, позволяющие получать изображения самых разных размеров образцов, от ядер и нейронов в C. elegans от зародыша до целого взрослого червя. Множественные виды образцов быстро захватываются, регистрируются и объединяются для получения реконструкций с улучшенным разрешением по сравнению с конфокальной микроскопией с одним видом. На платформе также представлены инновационные сканирующие головки для трех линз, позволяющие легко добавить к основанию микроскопа освещение со строчной разверткой.


Более того, команда добавила к платформе возможность «сверхвысокого разрешения» (повышенное разрешение за пределами дифракционного предела), адаптировав методы микроскопии со структурированным освещением.

«Аппаратный саммит, который достигается на этой платформе, – это несколько линз вокруг образца, а затем трюк со сверхвысоким разрешением, для достижения которого требуется сочетание оборудования и вычислений. Это чудо, но это довольно фототоксичный рецепт. Образец получает много света », – сказал соавтор и научный сотрудник MBL Патрик Ла Ривьер из Чикагского университета.

Один из способов уменьшить фототоксичность – уменьшить свет, исходящий от лазера микроскопа. Но затем у вас начинаются проблемы с «шумом» в изображении – зернистостью фона, которая может скрывать мелкие детали объекта, который вы хотите отобразить («сигнал»). Здесь на помощь приходит искусственный интеллект.

Команда обучила компьютерную модель глубокого обучения или нейронную сеть, чтобы различать изображения более низкого качества с низким отношением сигнал / шум (SNR) и более качественные изображения с более высоким SNR. «В конечном итоге сеть сможет предсказывать изображения с более высоким SNR даже при довольно низком входном SNR», – сказал Шрофф.

«Глубокое обучение позволяет вам использовать этот аппаратный саммит в качестве золотого стандарта разрешения, а затем обучить нейронную сеть для достижения аналогичных результатов с гораздо более низким значением отношения сигнал / шум, гораздо меньшим количеством захватов и гораздо меньшей дозой света на образец», – сказал Ла Ривьер. .