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,实现了高速重建。

    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 60 nm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 684 Hz 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

Multi-SIM

多模态结构光超分辨智能显微镜

自主研究、设计、制造的超分辨显微成像系统

高 通 量  ·  多 模 态  ·  智  能

性能参数

2-D 超分辨
3-D 超分辨
成像视野
成像速度
成像模态