2025/12/20Forskningsgruppen ledet av professor Yiming Li ved Southern University of Science and Technology (SUSTech) har adressert sentrale utfordringer ved å anvende enkeltmolekyllokaliseringsmikroskopi (SMLM) til høykapasitets superoppløsningsavbildning ved å introdusere LiteLoc, et skalerbart og lettvekts analyserammeverk basert på dyp læring. Arbeidet, med tittelen «Scalable and lightweight deep learning for efficient high accuracy single-molecule localization microscopy», ble publisert i det internasjonale tidsskriftet Nature Communications.
LiteLoc-innovasjoner
SMLM rekonstruerer superoppløsningsbilder ved å presist lokalisere enkeltstående fluorescerende molekyler over titusenvis av stokastiske blinkende rammer. De resulterende datavolumene stiller strenge krav til beregningseffektivitet, datagjennomstrømning og systemskalerbarhet.
LiteLoc-rammeverket er designet rundt kjernemålene sanntidsytelse, høy lokaliseringsnøyaktighet og høy gjennomstrømning, og overvinner flere kritiske flaskehalser i SMLM-rekonstruksjon med høy gjennomstrømning:
Ved å integrere nevrale representasjoner med fysikkbaserte priorer, demonstrerer PAMR systematiske forbedringer i forhold til tradisjonelle tilnærminger:
Akselerert volumetrisk rekonstruksjonRekonstruksjonstiden for et enkelt 3D-volum (585 × 585 × 120 vokseler) reduseres fra 250 s til 28 s, noe som tilsvarer en økning på omtrent 10 ganger i rekonstruksjonshastighet.
Oppløsningsforbedring utover diffraksjonsgrensent: Ved å bruke et halvkuleformet belysningssystem med 66 LED-er i kombinasjon med et 40×/0,95 NA-objektiv, oppnår PAMR halvtoneoppløsninger på 137 nm lateralt og 550 nm aksialt, noe som representerer en omtrentlig dobbel forbedring i forhold til objektivets diffraksjonsgrense.
Robust ytelse under forhold med sparsom siktHøykvalitetsrekonstruksjoner opprettholdes med opptil 75 % synsreduksjon. Når antallet belysningsvinkler reduseres fra 120 til 30, forblir rekonstruksjonskvaliteten stabil, med SSIM-verdier som betydelig overstiger de som oppnås ved bruk av konvensjonelle FPT-metoder.
Dhyana 400BSI V3 sCMOS-kamerastøtte for LiteLoc-innovasjoner
Høy-kvalitets signalopptak og avbildningsstabilitet er avgjørende for eksperimentell validering av avanserte beregningsmikroskopialgoritmer. TucsenFL 9BWVitenskapelig kamera tilbyr viktige maskinvarefunksjoner som støtter PAMR-rammeverket.
LiteLoc SMLM-systemet bruker Tucsen Dhyana 400BSI V3 sCMOS-kameraet som sin kjernedetektor for bildebehandling. Kameraets kombinasjon av høy signal-til-støy-ytelse og høyhastighetsavlesning gir kritisk maskinvarestøtte for å oppnå teoretiske lokaliseringsgrenser og muliggjør lukket sløyfevalidering mellom algoritmeutvikling og eksperimentell avbildning.
1. Eksepsjonell signal-til-støy-ytelse
Med en kvanteeffektivitet (QE) på opptil 95 % maksimerer Dhyana 400BSI V3 den effektive innsamlingen av fluorescenssignaler fra enkeltmolekyler. Den typiske avlesningsstøyen på 1,1 e⁻ (RMS) sikrer robuste signal-til-støy-forhold under forhold med lavt fotoninnhold, og danner et solid grunnlag for at LiteLoc skal oppnå lokaliseringsnøyaktighet nær teoretiske grenser.
2. Høyhastighets datautgang
Dhyana 400BSI V3 leverer full oppløsningsbilder på opptil 100 fps ved 2048 (H) × 2048 (V), som tilsvarer en genereringshastighet for rådata på omtrent 550 MB/s (11-bit). Denne gjennomstrømningen samsvarer godt med LiteLocs analysehastighet på 567 MB/s, og støtter direkte systemets mål for høy gjennomstrømning av bilder.
Referanser
Fei, Y., Fu, S., Shi, W. et al. Skalerbar og lettvekts dyp læring for effektiv og svært nøyaktig lokaliseringsmikroskopi av enkeltmolekyler. Nat Commun 16, 7217 (2025). https://doi.org/10.1038/s41467-025-62662-5
OpphavsrettserklæringDenne artikkelen er ment å gi referanser til applikasjoner knyttet til vitenskapelige kameraer. Deler av innholdet er hentet fra relevante publiserte forskningsartikler. Alle opphavsrettigheter forblir hos de opprinnelige forfatterne. Vennligst oppgi kilden når du siterer eller gjenbruker dette materialet.
