咨询分类 *
姓名 *

电话 *

邮箱 *

单位 *

需求留言 *

需求留言

Widefield
GI- SIM Super-resolution
  • Multi-SIM针对TIRF-SIM、GI-SIM、2D-SIM、Single Slice-SIM、Stacked Slices-SIM、3D-SIM等6种超分辨模态均开发了各自的超分辨成像算法,使每种模态都能获得优秀的成像质量;同时采用GPU加速算法,实现高速重建。

    高速高质量重建

    Multi-SIM提供了HVL1约束去卷积算法,通过引入样本连续性先验与光学衍射特性,将SIM重建后的超分辨图像进一步进行分辨率增强,得到分辨率优于60nm的超分辨图像。

    HVL1约束去卷积

    Multi-SIM针对荧光信号较弱或背景荧光较强的样本,提供了自适应降噪、吉洪诺夫降噪等多种算法,自动判定图像信噪比、选取合适算法参数进行图像降噪,提升超分辨图像质量。

    自适应降噪

  • 傅立叶域注意力卷积神经网络(DFCAN, Deep Fourier Channel Attention Network)和傅立叶域注意力生成对抗网络(DFGAN,Deep Fourier Generative Adversarial Network)模型,实现了比其它超分辨神经网络模型更鲁棒的显微图像超分辨成像效果。依据测评矩阵结果,其优越区域可以拓展至中、高信噪比成像条件,可在实际生物成像实验中替代现有超分辨成像方法,大大拓展了深度学习超分辨成像方法的适用范围。

    DFGAN

    细胞中的线粒体内膜和线粒体拟核之间的相互作用。成像时程(>1200张超分辨图像)达到传统活细胞超分辨成像方法的10倍以上,首次观察到伴随着线粒体内脊形变的拟核分离和聚合现象;

     

    细胞中环形线粒体的旋转行为。揭示环形线粒体会在细胞质流的推动下进行双向旋转,表明除植物细胞外,动物细胞一定程度上也用涡旋细胞质流来调节胞内稳态;

    DFGAN GI-SIM对线粒体内嵴与拟核长时程成像

    微管与溶酶体的DFGAN 3D-SIM双色成像,微管中的颜色代表着微管所处的高度。通过DFGAN 3D-SIM技术,我们实现了200个时间点的超长时程三维超分辨体成像。并从中发现,溶酶体会与微管产生互作,随后沿着微管进行长距离的运动,同时伴随着溶酶体变形。

    DFGAN 3D-SIM对微管与溶酶体长时程成像

  • rDL是一套合理化深度学习(rationalized deep learning,rDL)显微成像技术框架,将光学成像模型及物理先验与神经网络结构设计相融合,合理化网络训练、预测过程,从而实现了高性能、高保真的显微图像去噪与超分辨重建,并结合实验室自主研发、搭建的多模态结构光照明显微镜(Multi-SIM),将传统TIRF/GI-SIM、3D-SIM、的成像速度/时程提升30倍以上,实现了当前国际最快(684Hz)、成像时程最长(最长可达3小时、60,000时间点以上)的活体细胞成像性能。

    rDL

    对高速摆动纤毛以当前最快的684Hz成像速率进行了长达60,000个时间点的连续超分辨观测,过程中无明显光漂白或细胞活性损伤,并对纤毛摆动模式和频率进行了统计分析;

    rDL GI-SIM实现摆动纤毛超高速超长时程成像

    对滴落在玻片上的U2OS细胞贴壁生长过程进行了双色、长时程(1小时以上)、超分辨(97nm分辨率)观测,清晰、真实地记录了细胞粘附和迁移的动力学现象,而不会干扰这一漫长、脆弱的生命过程;

    rDL TIRF-SIM对细胞贴壁生长进行观测

Multi-SIM算法体系

sftx