基于相位的计算自适应光学实现无伪影超分辨显微成像

在活细胞内获得更清晰的视野

现代显微镜能够以惊人的细节揭示细胞内部的工作机制，但图像常常被它们试图观察的组织本身所模糊。本文介绍了一种在拍摄后清理这些图像的新方法，仅依赖计算而非复杂的可动镜面或额外传感器。该方法有望带来更清晰、更可靠的细胞、胚胎和组织图像，使更多实验室可以在无需购买专用硬件的情况下使用超细致成像。

为什么显微镜在真实组织中表现受限

当光穿过生物样品时，会经过不同密度的区域，如细胞膜、细胞核和充满液体的间隙。每次变化都会微弱地弯曲光线，就像大气湍流扭曲望远镜观测恒星的视野一样。在显微镜中，这些弯曲效应称为光学像差，会抹去细节并产生误导性的图案和伪结构，尤其是在追求极限清晰度的“超分辨率”方法中。传统的自适应光学通过可变形镜面和波前传感器来对抗这个问题，但那类设备结构复杂、价格昂贵，并可能让娇嫩样品暴露于额外光照之下。

一种仅靠软件的自适应光学路径

作者提出了一种纯计算替代方案，称为 phi 计算自适应光学，或 ∅CAO。与其用额外硬件测量光波是如何被弯曲，∅CAO 直接从显微镜已经记录的三维图像堆栈中推断这些信息。关键见解是，在三维中，光学失真的大部分印记并不体现在图像的亮度上，而是体现在将数据转换到频域时的“相位”信息。通过谨慎地调整这些相位信息然后再变换回去，该方法可以撤销光的弯曲，恢复对称性和清晰度，模仿硬件中自适应镜面的功能。

在艰难条件下检验准确性

为了评估 ∅CAO 的表现，研究人员首先在已知真实失真的模拟中进行测试。他们构建了人造的点状光源和线状结构，并用不同组合的常见像差（包括简单透镜误差和更复杂的模式）对其进行模糊处理。∅CAO 能够恢复出正确的失真强度并重建图像，通常只需几轮计算。即便加入噪声使信号变得微弱且颗粒状，该方法仍能准确捕捉最重要的失真类型，并提高区分原本合并为单点的相近细节的能力。

将清晰度带回真实生物样品

团队随后将 ∅CAO 应用于真实显微镜数据。通过标准透镜并故意设置不佳控制项拍摄的荧光微珠在观察方向上显得拉伸且模糊。经过 ∅CAO 处理后，这些微珠恢复到在最佳设置下看到的紧凑形状，测得的模糊程度也与已知透镜调整相符。在一个特别具有挑战性的测试中，通过植物叶片观察的微珠——叶片组织会产生强烈且不均匀的失真——被分区域校正，这在仅靠硬件时非常困难。以宽场模式成像的活线虫胚胎在校正后显示出更清晰、更分明的染色体，随后进行的去模糊算法在这些净化后的图像上效果更好。该方法还大幅改进了一种流行的超分辨技术——结构化照明显微镜，去除了人工条纹和幽灵结构，并在多色成像中恢复了细微的细胞特征。

对日常成像的潜在影响

因为 ∅CAO 完全在软件中运行，并仅使用显微镜已经产生的图像，它可以在不改动光学系统的情况下添加到现有设备中。它对噪声表现出强鲁棒性，能够处理复杂混合的失真，并适用于不同的成像模式，从标准宽场到先进的超分辨方法。作者认为，关注相位信息能把一个困难且不稳定的校正问题转化为一个能可靠收敛的问题，未来的机器学习工具应在此原理上发展。尽管仍需仔细选择图像区域且实时使用需要更快的代码或硬件加速，但这种基于相位的方法为许多生物和医学实验室提供了一条易于入手的自适应光学途径。

更清晰的图像，带来更清晰的生物学

本质上，这项工作表明对图像数据进行巧妙变换可以替代复杂的物理装置，在事后纠正弯曲的光路。通过恢复丢失的细节并消除各种样品（从植物组织到线虫胚胎及培养的人类细胞）中的误导性伪影，∅CAO 使高端自适应光学对标准显微镜变得触手可及。对非专业人士来说，结论很直白：更好的软件可以让现有显微镜看得更深、更清楚，揭示那些一直存在却被模糊遮盖的结构。

引用: 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

关键词: 自适应光学, 超分辨率显微镜, 图像去卷积, 荧光成像, 计算成像