定量相位成像（QPI）是一種廣泛應(yīng)用于細(xì)胞研究的顯微技術(shù)。盡管基于QPI的早期生物醫(yī)學(xué)應(yīng)用已有所發(fā)展，但其采集速度和圖像質(zhì)量仍需提升，以確保廣泛適用性。

來(lái)自德國(guó)亥姆霍茲德累斯頓-羅森多夫研究中心（HZDR）下屬格爾利茨高級(jí)系統(tǒng)理解中心（CASUS）、倫敦帝國(guó)理工學(xué)院和倫敦大學(xué)學(xué)院的科學(xué)家提出，利用通常會(huì)降低圖像質(zhì)量的色差現(xiàn)象，通過(guò)標(biāo)準(zhǔn)顯微鏡生成高質(zhì)量圖像。借助生成式AI模型，僅需一次曝光即可獲得使QPI在生物醫(yī)學(xué)應(yīng)用中具備吸引力的圖像質(zhì)量。研究團(tuán)隊(duì)于2月底在費(fèi)城舉辦的第39屆人工智能促進(jìn)協(xié)會(huì)（AAAI 2025）年度會(huì)議上展示了該成果，相關(guān)論文已發(fā)布于arXiv預(yù)印本平臺(tái)。

傳統(tǒng)染色法雖能提供有價(jià)值的信息，但其耗時(shí)、昂貴且依賴試劑的缺點(diǎn)限制了臨床診斷中的廣泛應(yīng)用。近年研究聚焦于QPI等無(wú)標(biāo)記顯微技術(shù)。QPI不僅記錄樣本吸收或散射的光強(qiáng)，還通過(guò)散射信息捕捉樣本對(duì)穿過(guò)光的相位偏移——這一變化與樣本厚度、折射率等結(jié)構(gòu)特性直接相關(guān)。與需要昂貴設(shè)備的傳統(tǒng)QPI不同，計(jì)算型QPI無(wú)需復(fù)雜硬件。

當(dāng)前主流的計(jì)算QPI方法之一是求解強(qiáng)度傳輸方程（TIE）。該微分方程可通過(guò)記錄的相位變化重建樣本圖像，易于整合至現(xiàn)有光學(xué)顯微鏡系統(tǒng)，且成像質(zhì)量?jī)?yōu)異。但傳統(tǒng)TIE方法需多次變焦拍攝以消除偽影，操作復(fù)雜且耗時(shí)，難以滿足臨床需求。

利用色差

CASUS青年研究組負(fù)責(zé)人、AAAI會(huì)議論文通訊作者Artur Yakimovich教授表示：“我們的方法與TIE原理相似，但通過(guò)物理與生成式AI的結(jié)合，僅需單次曝光。” 團(tuán)隊(duì)利用顯微鏡透鏡系統(tǒng)無(wú)法完美匯聚所有波長(zhǎng)（即色差）的特性，將紅、綠、藍(lán)光的微小焦距差異轉(zhuǎn)化為優(yōu)勢(shì)——通過(guò)常規(guī)RGB探測(cè)器分別記錄三色光的相位偏移，構(gòu)建多焦面堆棧，實(shí)現(xiàn)計(jì)算QPI。

然而，色差QPI面臨關(guān)鍵挑戰(zhàn)：紅藍(lán)光焦點(diǎn)間距極小，傳統(tǒng)TIE求解難以奏效。論文第一作者之一、CASUS博士生Gabriel della Maggiora指出：“生成式AI的引入成為破局關(guān)鍵。” 團(tuán)隊(duì)基于包含120萬(wàn)張圖像的開(kāi)放數(shù)據(jù)集訓(xùn)練AI模型，使其能夠從有限數(shù)據(jù)中提取相位信息。

在臨床樣本上驗(yàn)證

團(tuán)隊(duì)采用去年提出的條件變分?jǐn)U散模型（CVDM）——一種計(jì)算效率優(yōu)于傳統(tǒng)擴(kuò)散模型的生成式AI架構(gòu)，開(kāi)發(fā)了適用于定量數(shù)據(jù)的新型擴(kuò)散模型。通過(guò)配備商用彩色相機(jī)的普通明場(chǎng)顯微鏡對(duì)真實(shí)臨床樣本（如人尿紅細(xì)胞）測(cè)試，該方法成功還原細(xì)胞環(huán)形結(jié)構(gòu)，而傳統(tǒng)TIE方法未能實(shí)現(xiàn)。此外，新方法幾乎消除了圖像中的云狀偽影。

Yakimovich團(tuán)隊(duì)專注于開(kāi)發(fā)可即時(shí)應(yīng)用于臨床的顯微計(jì)算技術(shù)，其核心挑戰(zhàn)在于抑制生成式AI的“幻覺(jué)”干擾。團(tuán)隊(duì)通過(guò)融合物理原理（如色差的光學(xué)機(jī)制）顯著提升了結(jié)果的可靠性。這一基于AI的定量相位成像案例證明，物理驅(qū)動(dòng)的生成式AI在生物醫(yī)學(xué)領(lǐng)域前景廣闊。

相關(guān)鏈接：https://dx.doi.org/10.48550/arxiv.2406.04388