使用 4D PSF 感知物理退化引导网络的高变焦比与自适应像差校正显微镜

更清晰地观察隐秘世界

显微镜让我们看见肉眼无法察觉的细胞、组织和微小结构，但有使用经验的人都知道其中的权衡：常常需要手动更换物镜、重新对焦，而且高倍率往往意味着图像更暗、更模糊。本文提出了一种新型显微镜，它像相机镜头一样实现平滑的大范围变焦，并由智能计算系统实时清理图像，承诺为生物学、医学和材料科学提供更快、更清晰的观测。

为什么传统显微镜不够理想

常规实验室显微镜通过旋转固定物镜来改变放大倍数。那种机械切换会打断观察流程，可能引起图像跳动，并限制科学家追踪移动细胞等快速事件的速度。新型“液体透镜”通过电控改变焦距，提供了平滑变焦的希望。但单靠它们难以将光线足够折射以达成非常高的放大倍率，而且会引入随变焦等级与图像位置变化的复杂光学缺陷——称为像差，使图像变得柔和、畸变或出现色边。

真正能变焦的智能光学设计

团队设计了基于电润湿液体透镜的连续变焦物镜。液体透镜在施加电压时曲率发生变化。通过将液体透镜与固体透镜分成两组协同工作，并加入可移动的中继像面，他们创建了一个灵活的光学布局，可在不更换硬件的情况下将放大倍数从约 10.6× 变化到超过 100×。经过精心调校的运动保持样品在焦平面上，同时两组透镜分担变焦任务，将液体透镜单独可达的变焦范围进一步扩展。

教网络了解透镜的“坏毛病”

即便采用这种先进的透镜设计，图像质量仍可能受损，因为光的扩散与模糊方式——点扩散函数（PSF）——会随视场位置、波长和放大倍数变化。与其在事后用通用滤波器修复这些问题，研究者构建了一个明确感知光学特性的神经网络。他们模拟显微镜在四维空间（位置、颜色和变焦等级）上如何使光模糊，并将这种 4D PSF 信息直接输入他们的 4DPSF-PDNet：该深度学习模型结合了可学习的经典去模糊方法与基于注意力的模块，在抑制噪声的同时恢复细节。

对系统进行验证

为证明该理念可行，团队首先使用光学设计软件优化镜头系统，并生成数千对模拟不同变焦级别下显微镜所见的清晰与退化图像。他们随后在这些仿真数据与来自多种生物样本的真实显微图像上训练网络，并将其性能与其他最先进的图像恢复方法进行比较。在多重放大倍率下，尤其是在强像差条件下，他们的方法产生了更清晰、更准确的图像，在标准质量指标（峰值信噪比，PSNR）上比领先方法提高了约 2.5 到 3 分贝。对分辨率靶图和组织切片（例如小肠切片）的测试表明，该显微镜能在平滑变焦的同时保持结构居中且清晰分辨。

这对未来显微镜意味着什么

对非专业读者而言，主要结论是：这项工作将可电控的智能透镜系统与同样认识光学物理的智能校正算法结合在一起。二者协同提供了显微镜中的相机式平滑变焦而不牺牲细节，并能自动清除通常限制观察的模糊与色差。这种自适应系统可帮助病理学家更快地扫描组织切片，使细胞生物学家能够跨尺度追踪微小过程，并辅助材料研究者检查缺陷，同时减少手动更换镜头和重新对焦的需求。

引用: 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

关键词: 自适应显微镜, 液体透镜变焦, 图像像差校正, 物理引导深度学习, 生物成像