神经网络的表现为鱼幼虫跳动的心脏提供了背景。资料来源： 托拜厄斯 Wuestefeld 。

为了观察鱼类大脑中快速的神经元信号，科学家们开始使用一种叫做光场显微镜的技术，这种技术可以在3D中拍摄到如此快速的生物过程。但这些图像往往缺乏质量，需要数小时或数天的时间才能将大量的数据转换成3D卷和电影。

现在， EMBL的科学家已经将人工智能（AI）算法与两种尖端显微技术结合起来-这一进步将图像处理的时间从几天缩短到几秒钟，同时确保所产生的图像清晰准确。这些发现发表在《自然方法》上。

"最终，我们能够在这种方法中采用'两个世界中的最好" ， " Nils 瓦格纳说，他是该论文的两位主要作者之一，现在是慕尼黑技术大学的博士生。 "人工智能使我们能够结合不同的显微技术，以便我们能以光场显微镜允许的速度成像，并接近光片显微镜的图像分辨率。 "

虽然光片显微镜和光场显微镜听起来很相似，但这些技术有不同的优势和挑战。光场显微镜捕捉到了大型3D图像，使研究人员能够以非常高的速度跟踪和测量非常细微的运动，例如鱼幼虫跳动的心脏。但这种技术产生了大量的数据，可能需要几天的时间来处理，最终的图像通常缺乏分辨率。

光片显微镜一次放置在给定样品的单个2D平面上，因此研究人员可以以更高的分辨率拍摄样品。与光场显微镜相比，光片显微镜产生的图像更快处理，但数据并不那么全面，因为它们一次只能从单个2D平面捕获信息。

为了利用每一种技术的好处， EMBL的研究人员开发了一种方法，使用光场显微镜成像大型3D样本，光片显微镜训练AI算法，然后创建样本的准确3D图像。

"如果您构建生成图像的算法，您需要检查这些算法是否正在构建正确的图像， " EMBL小组组长安娜·克雷斯胡克解释说，她的团队为该项目带来了机器学习专业知识。安娜说，在新的研究中，研究人员使用光片显微镜来确保人工智能算法工作。 "这使得我们的研究从过去的工作中脱颖而出。 "

EMBL集团的负责人罗伯特 Prevedel指出，构建更好的显微镜的真正瓶颈往往不是光学技术，而是计算。这就是为什么，早在2018年，他和安娜就决定联手。 罗伯特说： "我们的方法对那些想研究大脑如何计算的人来说真的很关键。我们的方法可以实时地成像鱼幼虫的整个大脑。 "

他和安娜说，这种方法可能会被修改，以适用于不同类型的显微镜，最终允许生物学家查看数十个不同的标本，并看到更多、更快的东西。例如，它可以帮助找到与心脏发育有关的基因，也可以同时测量数千个神经元的活动。

接下来，研究人员计划探索该方法是否可以应用于较大的物种，包括哺乳动物。

该研究的联合作者Fynn Beuttenm ü ller是EMBL海德堡Kreshuk小组的博士生，他毫不怀疑人工智能的力量。 "计算方法将继续为显微镜带来令人兴奋的进展。 "