Nat Mach Intell | 自监督机器学习自适应光学实现高分辨活体显微成像

文章预览

光学显微成像技术近些年在分辨率、成像速度、成像深度上都取得了前所未有的进展，在生物医学研究中发挥着不可或缺的作用。然而，由于样品的光学异质性和成像系统的不完美，图像质量往往会受到光学像差的影响。传统的自适应光学技术可以通过测量和校正这些像差来恢复理想的成像性能，但这些方法通常需要特别的硬件设备，增加了显微镜的复杂性和成本。 2024年6月24日，加州大学伯克利分校 Na Ji 教授团队在 Nature Machine Intelligence 发表题为 Coordinate-based neural representations for computational adaptive optics in widefield microscopy 的研究长文，该文章的共同一作及共同通讯作者为加州大学伯克利分校的Iksung Kang博士和张沁榕博士 （现为香港城市大学生物医学工程系助理教授） ，论文合作者还包括密西根大学的Stella X. Yu教授。该文章介绍了一种名为CoCoA （Coo ………………………………