Nano Lett |?劉永燾團隊開發上轉換納米顆粒引導的虛擬變形鏡計算自適應光學方法

近年來，熒光顯微成像技術已成為生命科學研究中觀察細胞結構、組織形態和生物過程的重要工具。然而，在厚組織或強散射樣品中，光傳播會受到組織散射、折射率不均勻以及系統像差的共同影響，導致圖像模糊、信噪比下降和細節丟失。隨著成像深度增加，這一問題更加突出，嚴重限制了深層組織高分辨熒光顯微成像的發展。

自適應光學是解決像差問題的重要技術路線。傳統自適應光學通常依賴變形鏡、空間光調制器等硬件裝置，對畸變波前進行測量和補償，從而提升成像質量。然而，這類方法系統復雜、成本較高，并且對導星信號強度和系統穩定性要求較高，在深層弱信號和強散射成像場景中仍存在應用限制。

近日，南京理工大學劉永燾研究團隊與方中副教授合作在Nano Letters在線發表題為UpconversionNanoparticle-Guided Virtual Deformable Mirror for Computational Adaptive Optics in Scattering Fluorescence Microscopy的研究論文。該研究提出了一種上轉換納米顆粒引導的虛擬變形鏡計算自適應光學方法（VDM-AO），通過將稀土摻雜上轉換納米顆粒作為深層散射介質中的近紅外導星，并結合Zernike像差建模和深度學習網絡，在計算域中實現無需物理波前調制器的數字化像差校正。該方法可預測28個Zernike像差模式，并在最高360μm的散射深度下實現高分辨圖像恢復。

該研究的一個重要創新點，是將稀土摻雜上轉換納米顆粒引入計算自適應光學系統中作為導星。該類納米顆?？稍?80nm近紅外光激發下產生穩定的808nm近紅外發射。相比可見光信號，近紅外光在生物組織中散射更弱、穿透更深，更適合在深層散射環境中提供穩定的像差信息。

VDM-AO的整體工作流程如下：近紅外激光激發樣品中的上轉換納米顆粒，顆粒發出的近紅外熒光在穿過散射介質后攜帶系統和樣品引入的像差信息，隨后由相機采集并輸入神經網絡，用于后續的波前重建和數字校正（圖1）。

圖 1 VDM-AO系統原理示意圖

傳統自適應光學需要通過真實變形鏡或空間光調制器調控波前，而該研究提出的VDM-AO將這一過程轉移到計算域中完成。研究團隊采用28個低階Zernike 模式描述顯微成像中的主要像差，并利用殘差通道注意力網絡RCAN預測對應像差系數。

這些Zernike系數相當于“虛擬變形鏡”的驅動量，可在計算機中生成等效補償相位，從而實現數字化波前校正。也就是說，VDM-AO并不是簡單地進行圖像增強，而是將物理像差模型與深度學習結合起來，對散射導致的波前畸變進行建模和補償。

為了驗證方法性能，研究團隊首先在微管和內質網等典型生物熒光結構上開展仿真實驗。結果顯示，VDM-AO能夠更好地恢復由散射和像差破壞的結構細節，在結構連續性、邊緣清晰度和整體相似性方面均優于傳統稀疏反卷積和Richardson–Lucy反卷積方法。

在實驗驗證中，團隊進一步構建了稀釋納米顆粒、微加工芯片和二維碼圖案三類樣品，并利用不同厚度的Intralipid模擬散射環境。結果表明，隨著散射厚度增加，未經校正的圖像逐漸出現模糊、背景擴散和結構丟失；而經過VDM-AO校正后，主要結構和關鍵細節能夠得到有效恢復。尤其在360μm散射厚度下，二維碼樣品的未校正圖像已難以識別，而VDM-AO仍可恢復出滿足識別需求的圖案信息。

研究團隊將傳統自適應光學中依賴復雜硬件的波前調控過程，轉化為由上轉換納米顆粒導星、Zernike物理模型和深度學習網絡共同驅動的計算問題。相比依賴物理變形鏡或空間光調制器的傳統方案，VDM-AO有望降低系統復雜度和實施成本，提高深層熒光顯微成像的靈活性和通量。

研究團隊指出，未來可通過優化上轉換納米顆粒亮度、提升模型推理效率，并探索更長波長的近紅外發射通道，進一步增強該方法在真實生物組織中的穿透能力和應用潛力?？傮w而言，該工作為散射環境下的高分辨熒光顯微成像提供了一條硬件簡化、計算驅動的新路徑，也為智能光學成像系統的發展提供了新的技術方案。

原文鏈接：https://doi.org/10.1021/acs.nanolett.6c01974

制版人：十一

BioArt

Med

Plants

人才招聘

學術合作組織

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。