封面解读

  封面总体表现主题是人工智能对光片显微成像的赋能，以人工智能芯片为背景，并从芯片中心产生出一个高斯光片，二者结合展示了人工智能赋能光片活细胞成像示意图，其中中心细胞相较背景低分辨率神经细胞表现出分辨率的提升，呈现出细胞的细微结构，突出超分辨成像效果，体现了光片显微镜在人工智能神经网络赋能后对活细胞进行成像分辨率的优势。同时，背景还包含了大数据并行处理的金字塔，暗示在人工智能的帮助下，高效数据处理平台的涌现给光片显微镜在成像过程中实时处理成像数据提供了可能。总的来说，人工智能、深度学习和光片荧光显微镜的结合，正为生命科学研究开辟新的前沿，推动生物医学研究进入一个崭新的智能成像时代。

背景介绍

  近年来，光片荧光显微镜（LSFM）作为荧光显微技术的革新，凭借其出色的层析能力以及较低的光毒性和光漂白性，广泛应用于生命科学研究。这一技术采用“薄”光片成像，能够长期、实时地观察活体生物样本，且不损害样本的完整性，为发育生物学、细胞动力学和疾病研究提供了全新的视角。然而，光片荧光显微镜在空间分辨率、时间分辨率、视场大小等方面仍面临挑战，尤其在大规模、高时效性成像任务中，传统技术的局限性更加明显。为进一步拓展其能力，研究者们引入了人工智能手段，如智能自适应的成像方案、深度学习等，旨在克服传统成像中的权衡问题，即时空分辨率、视场和样本健康（图1）。本文综述了光片荧光显微镜在智能成像、图像恢复技术、数据处理方面的应用及发展，旨在为生命科学研究人员提供全面的了解和参考，推动光片显微镜在未来生物医学和临床成像中的应用和发展。

图1 光片显微镜的典型模态与成像权衡问题。（a）倒T形双物镜光片显微镜；（b）传统成像过程的权衡“金字塔”，即时空分辨率、视场和样本健康

智能、自适应成像方案赋能的光片显微成像技术

  传统的光片显微镜成像受限于奈奎斯特采样定律，面临样本健康、时间分辨率、空间分辨率以及视场范围之间的权衡。为了克服这些限制，现代光片显微镜引入了智能成像方案，根据样本的特性实时反馈自动调整成像参数，如时空采样、视场和样本辐照强度等。这些自适应成像方案使显微镜能够动态优化关键参数，如光片生成角度、焦距控制等，来获取最佳的图像分辨率和对比度，既提升了成像效率，又有效减轻了样本损伤。这些技术的引入，使得光片显微镜能够在智能化、自适应的框架下，提供更高质量的长时间、动态观察结果（图2）。

图2 基于自动图像评分的智能光片成像流程，通过连续和长期成像策略展示了嵌合抗原受体（CAR）改造的T细胞对癌细胞的细胞毒性机制的动态和高通量的成像结果

基于深度学习的图像恢复技术

图3 深度学习赋能荧光显微镜，在图像去噪、表面投影等荧光图像修复任务上取得了良好效果

高效数据处理与分析技术

  光片荧光显微镜生成的海量数据需要高效的数据处理方法。传统的手动分析已无法满足需求，而深度学习算法，尤其是卷积神经网络（CNN），通过自动化数据解读，帮助研究人员从大规模数据中提取有意义的生物学信息，极大提高了数据处理速度和准确性。目前高效数据处理平台的涌现给光片显微镜在成像过程中实时处理成像数据提供了可能，通过直观的界面和图形化编程，降低了复杂分析工作流的门槛，无需编写代码即可设计和监控流程，推动了生物显微成像领域的自动化与智能化（图4）。我们预计在不久的将来数据处理的速度将会有显著提升，进一步克服传统成像中的权衡问题。

图4 高效数据处理方法及平台在光片显微镜中的发展及应用。(a)~(c) PetaKit5D数据处理平台的整体图像处理框架，提供了一个专为光片显微镜设计，集图像采集、分布式处理和大规模数据处理功能于一体的高效图像处理框架

总结与展望

  传统荧光成像技术长期面临时空分辨率、视场与样本健康之间的权衡问题，尤其在细胞和分子层面的研究中，这些问题尤为突出。光片荧光显微镜虽然在获取大体积三维图像方面具有显著优势，但在提高采集速度和实现更深层次成像方面依然面临挑战。随着人工智能（AI）特别是深度学习技术的迅速发展，未来的光片荧光显微镜有望突破这些局限，成为更加智能和自适应的成像工具。下一阶段的技术进展将着重提升空间和时间分辨率，增强成像通量，并完善多尺度成像能力。随着人工智能技术的不断进步，图像恢复技术和数据处理流程的优化将进一步提升生物图像的准确性和信息量。值得一提的是，光片荧光显微镜与其他成像技术的融合，尤其是与超分辨率显微镜和多光子显微镜的结合，展现出广阔的前景。这些技术的进步不仅为生命科学领域提供了前所未有的观察手段，还将在药物发现和个性化医疗领域发挥重要作用。

  随着光片荧光显微镜系统的自动化程度不断提高，对标准化协议和最佳实践的需求也愈发迫切。建立统一的AI驱动光片荧光显微镜系统标准，将为这些技术的广泛应用奠定基础，推动其在科研和临床环境中的普及。总的来说，人工智能、深度学习和光片荧光显微镜的结合，正为生命科学研究开辟新的前沿，推动生物医学研究进入一个崭新的智能成像时代。

团队介绍

  华中科技大学高通量计算生物光学成像实验室负责人费鹏为国家杰青、国家海外高层次青年人才，实验室致力于发展先进显微光学成像和智能图像计算技术，通过计算光学的新范式，突破生物光学成像的速度、精度、广度极限，助力生物医学研究取新发现、新突破。例如，实验室的特色研究方向有超高分辨活细胞光片显微成像技术、高速光场瞬态三维成像技术，以及高通量组织整体三维成像技术。这些新技术已陆续在细胞生物学、神经科学、组织病理学与肿瘤免疫治疗等多个领域的获得新应用。实验室近年来承担十多项国家级和部省级项目，科研成果多次在Nature Methods、Nature Communications、PNAS、Optica 等高水平期刊发表，原始创新的技术实现科技成果转化落地，实质性服务生命科学和医学诊断。