近日，深圳大學(xué)物理與光電工程學(xué)院/醫(yī)學(xué)光子學(xué)創(chuàng)新研究院屈軍樂(lè)教授團(tuán)隊(duì)在國(guó)際頂級(jí)期刊PNAS發(fā)表了題為 “De-scattering and image restoration with transformer-based neural network in deep tissue imaging” 的研究論文。本研究設(shè)計(jì)了一種基于Transformer架構(gòu)的多注意力神經(jīng)網(wǎng)絡(luò)（DA-net），能有效抑制深層組織成像中的光散射效應(yīng)，顯著提升了雙光子激發(fā)熒光顯微鏡（TPEF）的成像深度。物理與光電工程學(xué)院博士生許祥叢為論文獨(dú)立第一作者，教授屈軍樂(lè)和副教授李佳為該論文的通訊作者，清華大學(xué)教授孔令杰為共同通訊作者，深圳大學(xué)為第一完成單位和通訊作者單位。

在生命科學(xué)研究中，深層組織成像對(duì)觀(guān)測(cè)活體生物結(jié)構(gòu)（如腦內(nèi)血管、神經(jīng)元和膠質(zhì)細(xì)胞）及其動(dòng)態(tài)生理過(guò)程具有至關(guān)重要的意義，也為相關(guān)疾病機(jī)制研究提供了關(guān)鍵支持。然而，光散射現(xiàn)象普遍存在，嚴(yán)重制約成像質(zhì)量與深度，成為該領(lǐng)域面臨的核心挑戰(zhàn)。雙光子激發(fā)熒光顯微鏡憑借其高空間分辨率與低光漂白特性，在神經(jīng)科學(xué)、腫瘤生物學(xué)等活體成像研究中得到廣泛應(yīng)用，為多種生物結(jié)構(gòu)和功能研究提供了重要見(jiàn)解。但由于生物組織內(nèi)不同組分的折射率存在差異，激發(fā)光與發(fā)射光往往發(fā)生強(qiáng)烈散射，導(dǎo)致成像穿透深度受限、信號(hào)背景比下降，深層圖像質(zhì)量顯著惡化。尤其在超過(guò) 400 μm的深度后，對(duì)腦皮層深層血管、小膠質(zhì)細(xì)胞等結(jié)構(gòu)的成像尤為困難。因此，如何有效消除光散射、恢復(fù)活體深層組織的高質(zhì)量雙光子圖像，已成為推動(dòng)TPEF 顯微技術(shù)發(fā)展的關(guān)鍵問(wèn)題。本研究致力于開(kāi)發(fā)一種無(wú)需復(fù)雜硬件改造、也不依賴(lài)大量真實(shí)配對(duì)數(shù)據(jù)的去散射算法，以突破現(xiàn)有深層成像的局限，為該方向提供新的解決路徑。

圖1.DA-net的工作原理

本研究開(kāi)發(fā)的DA-net首先構(gòu)建了一個(gè)模擬散射模型，生成帶有散射的圖像及其對(duì)應(yīng)的無(wú)散射圖像作為真實(shí)值，進(jìn)而利用這些數(shù)據(jù)對(duì)訓(xùn)練網(wǎng)絡(luò)，使其能夠?qū)W習(xí)從散射圖像到清晰圖像的端到端映射，無(wú)需采集大量不同深度下的實(shí)驗(yàn)數(shù)據(jù)。該方法在HeLa細(xì)胞脂滴、活體鼠腦血管結(jié)構(gòu)及星形膠質(zhì)細(xì)胞等多個(gè)樣本的深層TPEF圖像中均得到有效驗(yàn)證。與原始TPEF圖像和其他基于深度學(xué)習(xí)的方法相比，DA-net顯著抑制了散射效應(yīng)，提升了圖像質(zhì)量，在歸一化均方根誤差、峰值信噪比、結(jié)構(gòu)相似性和信背比等多項(xiàng)指標(biāo)上均表現(xiàn)出更優(yōu)的準(zhǔn)度。

本工作的創(chuàng)新點(diǎn)主要包括：

1、開(kāi)發(fā)了一種新方法，能夠?qū)PEF顯微鏡的離體成像深度顯著提升至1300 μm、活體成像深度提升至950 μm（血管）與500 μm（星形膠質(zhì)細(xì)胞）。該方法通過(guò)協(xié)同利用通道注意力與自注意力機(jī)制，增強(qiáng)有效特征提取與長(zhǎng)程依賴(lài)建模能力；同時(shí)通過(guò)設(shè)計(jì)多成分損失函數(shù)，有效抑制圖像偽影生成，確保組織結(jié)構(gòu)的真實(shí)性與形態(tài)完整性。有望為深層生物結(jié)構(gòu)（如與腦疾病相關(guān)的膠質(zhì)細(xì)胞動(dòng)態(tài)觀(guān)測(cè)）研究提供一種非侵入式成像工具。

2、首次采用動(dòng)態(tài)范圍的散射系數(shù)（而非固定值）來(lái)模擬活體組織的異質(zhì)性，從而生成更貼近真實(shí)生物環(huán)境的訓(xùn)練數(shù)據(jù)?？梢员苊鈱?duì)大量高質(zhì)量真實(shí)配對(duì)數(shù)據(jù)的依賴(lài)，有效降低了數(shù)據(jù)獲取成本。此外，該方法可適用于較低激光功率（15-30 mW）下的成像，顯著減少對(duì)活體樣本的光損傷，更適合長(zhǎng)期動(dòng)態(tài)觀(guān)測(cè)研究。

3、DA-net不僅為深度學(xué)習(xí)增強(qiáng)計(jì)算顯微學(xué)提供了理論依據(jù)與算法框架，還展現(xiàn)出優(yōu)異的跨模態(tài)推廣潛力。作為一種數(shù)據(jù)驅(qū)動(dòng)的技術(shù)，該方法可廣泛應(yīng)用于其他受散射干擾的成像模式，例如在高斯光束三光子顯微鏡和貝塞爾光束雙光子顯微鏡中，DA-net可以有效去散射，并揭示了更精細(xì)的組織結(jié)構(gòu)。

圖2. DA-net對(duì)深層活體鼠腦血管TPEF圖像的去散射和復(fù)原結(jié)果

圖3. DA-net對(duì)深層活體鼠腦膠質(zhì)細(xì)胞TPEF圖像的去散射和復(fù)原結(jié)果

DA-net為解決活體深層成像中的散射挑戰(zhàn)、突破成像深度限制提供了一種創(chuàng)新的計(jì)算成像解決方案，為實(shí)現(xiàn)活體深層組織中清晰結(jié)構(gòu)的可靠獲取提供了有力的技術(shù)支撐，為基于TPEF顯微圖像的深入分析和生物醫(yī)學(xué)研究提供了精確的數(shù)據(jù)基礎(chǔ)。

本研究得到了科技部國(guó)家重點(diǎn)研發(fā)計(jì)劃，國(guó)家自然科學(xué)基金重大儀器、創(chuàng)新群體和重點(diǎn)項(xiàng)目等的資助。

論文信息：

X. Xu, R. Zhang, C. Luo, C. Zhang, Y. Li, D. Lin, B. Yu, L. Liu, X. Weng, Y. Wang, L. Kong, J. Li, and J. Qu. (2025).De-scattering and image restoration with transformer-based neural network in deep tissue imaging.PNAS. DOI: 10.1073/pnas.2503576122

論文鏈接：https://www.pnas.org/doi/10.1073/pnas.2503576122