Фазово‑ориентированная вычислительная адаптивная оптика обеспечивает микроскопию сверхвысокого разрешения без артефактов

Более чёткие изображения внутри живых клеток

Современные микроскопы способны показывать внутреннюю структуру клеток с впечатляющей детализацией, но изображения часто размываются самими тканями, которые исследуют. В этой статье представлен новый способ очищать такие изображения после съёмки, используя только вычисления вместо сложных движущихся зеркал или дополнительных датчиков. Метод обещает более чёткие и надёжные снимки клеток, эмбрионов и тканей, что позволит большему числу лабораторий выполнять сверхдетализированную визуализацию без покупки специального оборудования.

Почему микроскопы испытывают трудности в реальных тканях

Когда свет проходит через биологический образец, он проходит области с разной плотностью, такие как мембраны клеток, ядра и заполненные жидкостью пространства. Каждое изменение слегка искривляет свет, подобно тому как атмосферная турбулентность искажает вид звёзд в телескопе. В микроскопах эти искажения, называемые оптическими аберрациями, размывают тонкие детали и создают вводящие в заблуждение узоры и ложные структуры, особенно в продвинутых методах «сверхразрешения», которые пытаются выжать максимум чёткости. Традиционная адаптивная оптика борется с этой проблемой с помощью деформируемых зеркал и волновых фронт‑датчиков, но такие установки сложны, дороги и могут подвергать деликатные образцы дополнительному освещению.

Путь к адаптивной оптике только на программном уровне

Авторы предлагают полностью вычислительную альтернативу, которую они называют phi Computational Adaptive Optics, или ∅CAO. Вместо измерения того, как волны света искривляются с помощью дополнительного оборудования, ∅CAO выводит эту информацию непосредственно из трёхмерного стека изображений, который микроскоп уже записывает. Ключевая идея в том, что в 3D большинство отпечатков оптических искажений скрывается не в яркости отдельных участков изображения, а в «фазе» света при переводе данных в частотную область. Тщательно корректируя эту фазовую информацию и затем преобразуя данные обратно, метод способен отменить искривления света и восстановить симметрию и чёткость, имитируя действие адаптивных зеркал в аппаратуре.

Проверка точности в жёстких условиях

Чтобы оценить, насколько хорошо работает ∅CAO, исследователи сначала обратились к моделированию, где истинные искажения известны. Они создали искусственные точечные источники и нитевидные структуры и размыли их разными комбинациями типичных аберраций, включая простые ошибки линз и более сложные паттерны. ∅CAO удалось восстановить правильную силу искажений и вернуть изображения, зачастую всего за несколько итераций вычислений. Даже когда добавлялся шум и сигнал становился слабым и зернистым, метод всё равно точно фиксировал наиболее важные типы искажений и улучшал способность различать близко расположенные детали, которые ранее сливались в одну точку.

Возвращение чёткости реальным биологическим образцам

Затем команда применила ∅CAO к реальным данным микроскопа. Флуоресцентные шарики, снятые через стандартную линзу с намеренно неверно настроенными элементами, выглядели растянутыми и размытыми вдоль направления просмотра. После обработки с помощью ∅CAO шарики вновь обрели компактную форму, наблюдаемую при оптимальных настройках, а измеренное размытие соответствовало известным регулировкам линзы. В особенно сложном испытании шарики, просматриваемые через листья растений — где ткань вызывает сильные неравномерные искажения — корректировались по регионам в поле зрения, что очень сложно сделать только аппаратно. Живые эмбрионы нематод, снятые в широкопольном режиме, показали более резкие и отчётливые хромосомы после коррекции, и последующие алгоритмы деконволюции работали лучше на этих очищенных изображениях. Метод также значительно улучшил популярную технику сверхразрешения — структурированную иллюминацию, устранив искусственные узоры и «призрачные» структуры и восстановив тонкие клеточные детали в нескольких цветах.

Что это может означать для повседневной визуализации

Поскольку ∅CAO выполняется полностью в программном обеспечении и использует только изображения, которые микроскоп уже генерирует, его можно добавить в существующие системы без изменения оптики. Он показывает высокую устойчивость к шуму, способен справляться со сложными сочетаниями искажений и работает в разных режимах съёмки — от стандартного широкого поля до продвинутых методов сверхразрешения. Авторы утверждают, что фокус на фазовой информации превращает сложную, нестабильную задачу коррекции в задачу, которая надёжно сходится, и что будущие инструменты машинного обучения должны опираться на этот принцип. Хотя аккуратный выбор областей изображения по‑прежнему важен, а работа в режиме реального времени потребует более быстрого кода или аппаратного ускорения, этот фазово‑ориентированный подход предлагает доступный путь к адаптивной оптике для многих биологических и медицинских лабораторий.

Более ясные снимки — лучшее понимание биологии

По сути, в этой работе показано, что продуманная трансформация данных изображения может заменить сложные физические устройства, выпрямляя искривлённые световые пути постфактум. Восстанавливая утраченные детали и удаляя вводящие в заблуждение артефакты в различных образцах — от растительных тканей до эмбрионов червя и клеточных культур человека — ∅CAO делает передовую адаптивную оптику доступной для стандартных микроскопов. Для неспециалистов вывод прост: лучшее программное обеспечение может заставить существующие микроскопы видеть глубже и яснее, выявляя структуры, которые всегда там были, но скрывались в размытости.

Цитирование: Matsuda, A., Rodriguez-Reza, C.M., Tamada, Y. et al. Phase-based computational adaptive optics enables artifact-free super-resolution microscopy. Commun Eng 5, 75 (2026). https://doi.org/10.1038/s44172-026-00622-7

Ключевые слова: адаптивная оптика, микроскопия сверхвысокого разрешения, деконволюция изображения, флуоресцентная визуализация, вычислительная визуализация