机器学习帮助一些最好的显微镜看得更清楚、工作得更快并处理更多数据。为了观察鱼脑中快速的神经元信号，科学家们开始使用一种称为光场显微镜的技术，该技术可以在三个维度上对这种快速的生物过程进行成像。但这些图像往往质量欠佳，将海量数据转换成3D体积和电影需要数小时或数天的时间。现在，欧洲分子生物学实验室(EMBL)的科学家们将人工智能(AI)算法与两种尖端显微镜技术相结合——这一进步将图像处理时间从数天缩短至仅需数秒，同时确保生成的图像清晰准确.研究结果发表在《自然方法》。“最终，我们能够通过这种方法实现‘两全其美’，”该论文的两位主要作者之一、现为慕尼黑工业大学的博士生尼尔斯·瓦格纳(NilsWagner)说。人工智能使我们能够结合不同的显微镜技术，因此我们可以像光场显微镜允许的那样快速成像并接近光片荧光显微镜的图像分辨率。”虽然光片荧光显微镜和光场显微镜听起来很相似，但这些技术具有不同的优势和挑战。光场显微镜捕获大型三维图像，使研究人员能够以非常高的速度跟踪和测量非常精细的运动，例如鱼幼体的跳动。但这种技术会产生大量的数据可能需要数天才能处理，并且最终图像通常缺乏分辨率。光片荧光显微镜一次观察特定样本的单个二维平面，因此研究人员可以以更高的分辨率对样本进行成像。片状显微镜产生的图像处理速度比光片荧光显微镜快，但不够全面，因为它们只能c一次从一个二维平面获取信息。为了利用每种技术的优势，EMBL研究人员开发了一种使用光场显微镜对大型3D样本成像的方法，并使用光片显微镜训练人工智能算法，然后创建样本的精确3D图像。负责开发新型混合显微镜平台的EMBL小组负责人RobertPrevedel指出，构建更好的显微镜的真正瓶颈通常不是光学，而是计算。这就是为什么在2018年，他和安娜决定联手。“我们的方法对于那些想要研究大脑如何计算的人来说非常关键。我们的方法可以对鱼幼虫的整个大脑进行实时成像，”罗伯特说。他和安娜说，这种方法还可以进行修改，以适用于不同类型的显微镜，最终使生物学家能够观察数十种不同的标本，并更快地观察更多。例如，它可以帮助找到与心脏发育有关的基因，或者它可以同时测量数千个神经元的活动。接下来，研究人员计划探索该方法是否可以应用于更大的物种，包括哺乳动物。
