你在这里
新闻Release
2020年6月29日，星期一
更快的处理速度使更先进的荧光显微镜
NIH研究人员将复杂，高分辨率的数据提供给更多科学家。
科学家们开发了用于显微镜的新图像处理技术，可以将后处理时间减少多达数千倍。研究人员来自美国国立卫生研究院，合作者来自芝加哥大学和中国浙江大学。
美国国家生物医学成像与生物工程研究所（NIBIB）高分辨率光学成像实验室主任Hari Shroff博士在《自然生物技术》上发表的一篇论文中，描述了可以显着减少处理生物膜所需时间的新技术。由最尖端的显微镜创建的高度复杂的图像。这种显微镜通常用于捕获穿过鱼类的血液和脑细胞，可视化蠕虫胚胎的神经发育，并查明整个器官内的单个细胞器。
随着显微镜的不断完善，更快地创建更高分辨率的图像，研究人员发现它们拥有的数据量比处理时间要多。尽管视频本身可以在几分钟内捕获，但是图像的大小可能达到TB级，需要数周甚至某些月的处理时间才能使用。
之所以要花费这么长时间，是因为视频经常捕获显微镜下模糊的微小物体。可以通过称为反卷积的过程来减少这种模糊，但是此过程需要大量的计算能力和时间。
第二个问题是当今使用的许多显微镜对同一生物或细胞有多种看法。这些图像需要正确放置，然后合并以制作3D图像和视频。从原始数据创建高分辨率图像需要大量的计算机处理。因此，尽管显微镜的发展为研究人员提供了越来越复杂的高分辨率图像，但计算能力限制了研究人员可以使用的实用技术-因为他们知道所收集的大部分数据都将被闲置。
Shroff的实验室及其合作者尝试做的第一件事是修改了许多研究人员使用的反卷积算法，因此运行速度更快。该方法最初是在医学成像的其他领域（例如计算机断层扫描（CT））中提出的；然而，这是它首次成功地用于荧光显微镜。荧光显微镜使用染料来改善样品的对比度，从而使研究人员能够专注于样品的特定部分，并观察不同元素之间如何相互作用。
其次，他们减少了将样品的多个视图定位和缝合在一起所需的时间。这一进步的关键部分依赖于称为并行化的过程。这是一种有时在超级计算中使用的方法，该方法不是将每个单独的函数一个接一个地处理，而是将其分解为可以同时分析的较小任务。这就像让成千上万的人同时解决一个数学问题，而不是让一个人解决成千上万的问题。
最后，研究人员表明，他们可以使用神经网络（一种人工智能（AI））来进一步减少处理数据所需的时间。 AI越来越多地用于协助成像处理和诊断。在这种情况下，Shroff和他的团队训练了神经网络，以比其他方式更快地生成更清晰和更高分辨率的图像。
Shroff说：“获取现代成像数据有点像从烟火中喝酒。” “鉴于这些显微镜可以产生大量数据，这些方法有助于我们更快地获取有价值的生物学信息，这是必不可少的。”
这些进步扩展了现有技术的使用范围，包括允许对厚样本进行成像，当使用荧光显微镜检查时会产生大量图像数据。这些进步对于使用越来越多的“计算显微镜”也至关重要，在这种计算显微镜中，难以理解的原始数据的后处理是产生最终高分辨率图像的关键步骤。 Shroff和他的合作者希望，他们将以他们原本不会尝试尝试的方法来帮助研究人员，因为要创建有意义的图像会花费大量的劳动力。
美国国家过敏和传染病研究所，美国心理健康研究所，美国关节炎与肌肉骨骼和皮肤病研究所，Eunice Kennedy Shriver国家儿童健康与人类发展研究所，哈佛大学国家癌症研究所的科学家，耶鲁大学，马里兰大学和康涅狄格大学的斯隆·凯特林研究所也为这项研究做出了贡献。
尼比的使命是通过领导开发和加速生物医学技术的应用来改善健康状况。该研究所致力于将物理和工程科学与生命科学相结合，以促进基础研究和医疗保健。 尼比在其内部实验室内通过赠款，合作和培训来支持新兴技术的研究与开发。可在NIBIB网站上获得更多信息： //www.nibib.nih.gov.
关于国立卫生研究院（NIH）： 美国国立医学研究院（NIH）是美国的医学研究机构，包括27个研究所和中心，并且是美国卫生与公共服务部的一部分。 NIH是进行和支持基础，临床和转化医学研究的主要联邦机构，并且正在调查常见和罕见疾病的病因，治疗方法和治愈方法。有关NIH及其计划的更多信息，请访问 www.nih.gov.
NIH…将发现转化为健康®
注意
2020年7月6日，对该版本进行了修改，以表彰对此研究的所有贡献者。