Quantitative schräg rückbeleuchtete Mikroskopie mit Einzelaufnahme

Lebende Zellen ohne Farbstoffe sichtbar machen

Die moderne Medizin ist zunehmend darauf angewiesen, lebende Zellen in Aktion zu beobachten, doch die meisten Mikroskope benötigen noch fluoreszierende Farbstoffe oder langsame Scan-Verfahren, die das Gewebe stören können. Diese Studie stellt eine neue Methode vor, scharfe, dreidimensionale Aufnahmen lebenden Gewebes mit nur einer Kameraufnahme und ohne Marker zu erzeugen. Das könnte Ärzten und Forschern erlauben, Blutfluss und zelluläre Veränderungen in Echtzeit direkt im Körper zu verfolgen.

Ein schnellerer Weg, in dickes Gewebe hineinzusehen

Viele leistungsfähige Bildgebungswerkzeuge stehen vor einem Kompromiss: Einige scannen schnell, verpassen dabei aber feine Details, andere zeigen reichhaltige Zellstrukturen, sind dafür jedoch langsam oder auf dünne Proben auf Glas beschränkt. Eine frühere Technik, die quantitative schräg rückbeleuchtete Mikroskopie (qOBM), löste einen Teil dieses Problems, indem Licht von oben in das Gewebe geschickt wurde und das gestreute Licht als eine Art interne Lichtquelle in dicken, trüben Proben diente. qOBM kann messen, um wie viel die Lichtwelle durch Zellen verzögert wird — eine Eigenschaft, die mit ihrer inneren Struktur zusammenhängt — und dies in drei Dimensionen erfassen. Die traditionelle qOBM erforderte jedoch vier getrennte Kamerabelichtungen aus verschiedenen Beleuchtungswinkeln, was sie verlangsamte und anfällig für Unschärfe machte, sobald sich die Probe bewegte.

Ein Mikroskop zum Denken bringen

Um diesen Engpass zu beseitigen, entwickelten die Autoren die Einzelaufnahme-qOBM (SCqOBM). Anstatt vier Bilder aus unterschiedlichen Richtungen zu sammeln, nimmt SCqOBM nur ein Bild auf, bei dem das Licht aus einem einzigen schrägen Winkel einfällt. Ein Deep-Learning-Modell — aufgebaut auf einem U-Net, einem verbreiteten neuronalen Netzwerk für Bildverarbeitung — erlernt dann, dieses einzelne Rohbild in dieselbe Art von detaillierter Karte umzuwandeln, die früher aus vier Aufnahmen gewonnen wurde. Das Team trainierte und testete das Netzwerk mit Tausenden von Beispielen, bei denen die „richtige Antwort“ bereits aus der standardmäßigen Vierfachaufnahme-qOBM bekannt war, sodass das Modell lernen konnte, wie subtile Helligkeitsmuster der wahren Gewebestruktur entsprechen.

Bestehen des Tests an Blut und Gehirn

Zunächst prüften die Forschenden SCqOBM an Nabelschnurblut, das in Sammelbeuteln gelagert war. Blutzellen sind relativ einfach und symmetrisch, daher ein idealer Ausgangspunkt. Sie zeigten, dass sowohl die Einzelaufnahme- als auch die Zwei-Aufnahme-Varianten die Formen und optischen Eigenschaften von roten und weißen Blutkörperchen nahezu exakt wiedergeben, mit nur kleinen numerischen Abweichungen gegenüber dem Vierfachaufnahme-Goldstandard. In manchen Fällen lieferte die Einzelaufnahme sogar sauberere Bilder, weil eine Lichtfarbe verwendet wurde, die von Hämoglobin weniger stark absorbiert wird und so das Rauschen in den Messungen reduzierte.

Anschließend wandten sie die Methode auf anspruchsvollere Proben an: dickes Rattengehirngewebe, einschließlich gesundem Kortex, Tumoren und Tumorrändern. Diese Proben weisen komplexe und stark variierende Strukturen auf. Selbst hier entsprach die Deep-Learning-Rekonstruktion eng der traditionellen qOBM und erfasste sowohl grobe Tumorbereiche als auch feine Details im normalen Gehirngewebe. Bemerkenswert ist, dass ein Modell, das ausschließlich an Rattengewebe trainiert wurde, auch bei menschlichen Hirntumorproben gut funktionierte — ein Hinweis darauf, dass sich der Ansatz über Arten und Gewebetypen hinweg verallgemeinern lässt. Eine Analyse im Frequenzbereich bestätigte eine subtile Einschränkung: Da SCqOBM Licht nur aus einem Winkel sieht, kann es Informationen entlang eines engen Richtungsbands nicht vollständig wiederherstellen; das Modell „halluziniert“ diese Strukturen jedoch nicht, sondern lässt dieses Band lediglich etwas unterrepräsentiert.

Blutfluss in Echtzeit beobachten

Dank seines Geschwindigkeitsvorteils kann SCqOBM schnelle Prozesse erfassen, die bei Mehrfachaufnahmen verwischen würden. Das Team setzte eine Hochgeschwindigkeitskamera ein, um die Blutgefäße im Mäusehirn mit etwa 2000 Bildern pro Sekunde aufzuzeichnen, und wandte dann das SCqOBM-Modell auf jedes Einzelbild an, um quantitative Karten zu erzeugen. Indem sie verfolgten, wie sich das Brechungsindexmuster der strömenden Blutzellen im Verlauf verschob, bestimmten sie Flussgeschwindigkeiten von etwa 1 Millimeter pro Sekunde in winzigen Gefäßen bis zu mehr als 60 Millimetern pro Sekunde in größeren Gefäßen, im Einklang mit erwarteten Blutflussprofilen. Sie konnten sogar langsam rollende weiße Blutkörperchen entlang der Gefäßwände verfolgen — Ereignisse, die mit Immunantworten und Entzündungen verbunden sind — während sich der Zustand des Tieres veränderte.

Dreidimensionale Ansichten menschlicher Haut

Abschließend zeigten die Autoren, dass SCqOBM volumetrische Aufnahmen lebender menschlicher Haut am Unterarm nahezu in Video-Tempo erfassen kann. Durch schnelles Verstellen der Fokusebene mit einer Piezo-Bühne sammelten sie Stapel von Einzelaufnahmen, wandelten jede mit SCqOBM in Phasenbilder um und verfeinerten das Volumen anschließend mit einem zweiten Deep-Learning-Algorithmus. Die resultierenden 3D-Ansichten zeigen deutlich unterschiedliche Hautschichten und winzige Kapillaren, in denen einzelne rote Blutkörperchen in Tiefen von über 100 Mikrometern transportiert werden. Je nach gewähltem Bildfeld und Anzahl der Tiefe-Slices lässt sich das Sichtfeld gegen Geschwindigkeit tauschen und es sind bis zu 10 Volumina pro Sekunde möglich, während zelluläre und subzelluläre Details erhalten bleiben.

Was das für die Medizin bedeuten könnte

Einfach ausgedrückt zeigt diese Arbeit, dass ein Mikroskop mit einem einzigen Lichtblitz und künstlicher Intelligenz reiche, dreidimensionale Informationen aus dickem, lebendem Gewebe rekonstruieren kann — ohne Farbstoffe oder physischen Kontakt. Zwar bestehen weiterhin Grenzen — etwa, dass manche Richtungen feiner Details aus nur einer Beleuchtungsrichtung schwerer wiederherzustellen sind — doch liefert die Methode eine Bildqualität, die nahe an langsamere, komplexere Systeme herankommt, und erreicht zugleich Geschwindigkeiten, die mit den schnellsten Light-Sheet-Mikroskopen vergleichbar sind. Da die Hardware relativ einfach ist — ein Hellfeldmikroskop mit einer einzigen LED — könnte SCqOBM fortan fortschrittliche, kennzeichnungsfreie Bildgebung in Forschungslaboren und Kliniken zugänglicher machen und nichtinvasive Blutanalyse, Echtzeit-Überwachung von Gehirn und Haut und andere Anwendungen ermöglichen, bei denen Geschwindigkeit und Schonung entscheidend sind.

Zitation: Casteleiro Costa, P., Bharadwaj, S., Li, Z. et al. Single capture quantitative oblique back-illumination microscopy. npj Imaging 4, 13 (2026). https://doi.org/10.1038/s44303-026-00147-w

Schlüsselwörter: kennzeichnungsfreie Bildgebung, Deep-Learning-Mikroskopie, quantitative Phasenbildgebung, Blutflussmessung, in vivo Haut- und Hirnbildgebung