Микроскоп с большим коэффициентом увеличения и адаптивной коррекцией аберраций, использующий 4DPSF-осведомлённую сеть, управляемую физическим ухудшением

Более чёткие виды скрытого мира

Микроскопы позволяют видеть клетки, ткани и крошечные структуры, невидимые невооружённым глазом, но любой, кто ими пользовался, знает компромиссы: часто приходится вручную менять объективы, переворавнивать фокус и смиряться с тем, что большое увеличение даёт тёмные и более размытые изображения. В этом исследовании представлен новый тип микроскопа, который плавно изменяет масштаб в широком диапазоне, как объектив фотоаппарата, в то время как интеллектуальная вычислительная система в реальном времени очищает изображение — обещание более быстрых и чётких наблюдений для биологии, медицины и материаловедения.

Почему обычные микроскопы не дотягивают

Традиционные лабораторные микроскопы меняют увеличение путём поворота между фиксированными объективами. Такое механическое переключение нарушает непрерывность наблюдения, может вызывать скачки изображения и ограничивает скорость, с которой учёные могут отслеживать быстрые процессы, например движущиеся клетки. Новые «жидкостные линзы», фокус которых можно менять электрически, дают надежду на плавное увеличение. Но сами по себе они не могут достаточно изменить ход света для очень больших увеличений и вносят сложные оптические искажения — аберрации — которые зависят от уровня увеличения и положения в поле, делая картинки более мягкими, искажёнными или окантованными цветовыми каймами.

Умная оптика, которая действительно увеличивает

Команда разработала объектив с непрерывным изменением увеличения для микроскопа на базе электровлажняющих жидкостных линз, кривизна которых меняется при приложении напряжения. Разместив жидкие и твёрдые линзы в двух взаимодействующих группах и добавив подвижную релейную плоскость изображения, они создали гибкую оптическую схему, способную варьировать увеличение примерно от 10.6× до более чем 100× без замены аппаратуры. Тщательно согласованные перемещения сохраняют образец в фокусе, в то время как обе группы линз разделяют задачу увеличения, расширяя рабочий диапазон сверх того, что могли бы обеспечить только жидкостные линзы.

Обучение сети тому, как линза «плохо» себя ведёт

Даже при продвинутой конструкции линз качество изображения может страдать, потому что то, как свет распространяется и размывается — функция рассеяния точки, PSF — меняется по всему полю зрения, с длиной волны и с уровнем увеличения. Вместо того чтобы пытаться исправить эти проблемы постфактум универсальными фильтрами, исследователи построили нейросеть, которая явным образом учитывает оптику. Они смоделировали, как микроскоп размывает свет в четырёх измерениях (позиция, цвет и уровень увеличения) и подали эту 4D-информацию о PSF прямо в 4DPSF-PDNet — модель глубокого обучения, использующую обучаемую версию классического метода удаления размытия и модуль на основе внимания для восстановления деталей при подавлении шума.

Проверка системы

Чтобы доказать работоспособность идеи, команда сначала использовала программное обеспечение для оптического проектирования, чтобы оптимизировать систему линз и сгенерировать тысячи пар «чёткое—ухудшенное» изображений, имитирующих то, что микроскоп увидел бы на разных уровнях увеличения. Затем они обучали свою сеть как на этих симуляциях, так и на реальных микроскопических снимках различных биологических образцов и сравнивали её работу с другими современными методами восстановления изображений. На разных увеличениях, особенно при сильных оптических дефектах, их подход давал более чёткие и точные изображения, улучшая стандартную метрику качества (отношение пиковой мощности сигнала к шуму) примерно на 2.5–3 децибела по сравнению с ведущими конкурентами. Испытания на тестовых таблицах разрешения и срезах тканей, например на образцах тонкого кишечника, показали, что микроскоп может плавно увеличивать изображение, сохраняя структуру в центре и её чёткое разрешение.

Что это значит для будущей микроскопии

Для неспециалиста главный вывод в том, что эта работа сочетает умную электрически настраиваемую оптическую систему с не менее умным алгоритмом коррекции, который знает физику оптики. Вместе они обеспечивают плавное, похожее на камеру увеличение в микроскопе без потери деталей и автоматически устраняют размытие и цветовые искажения, которые обычно ограничивают то, что учёные могут увидеть. Такая адаптивная система могла бы помочь патологоанатомам быстрее сканировать слайды, позволить клеточным биологам следить за крошечными процессами на разных масштабах и помочь исследователям материалов изучать дефекты, при этом сокращая необходимость ручной смены объективов и повторной фокусировки.

Цитирование: Yu, DX., Jiang, Z., Zheng, Y. et al. Large zoom ratio and adaptive aberration correction microscope using 4DPSF-aware Physical Degradation-guided Network. Light Sci Appl 15, 140 (2026). https://doi.org/10.1038/s41377-025-02155-8

Ключевые слова: адаптивная микроскопия, жидкостная линза с увеличением, коррекция аберраций изображения, глубокое обучение с учётом физики, биологическая визуализация