东方时讯网荧光显微镜是生命科学中广泛使用的技术，它使科学家能够通过用发光分子标记来观察细胞和组织的特定部分，从而有助于研究细胞结构和运动、分子行为和药物效应。
要了解细胞或组织内结构的相对位置，科学家通常必须使用位置信息计算两个微观荧光点之间的3维(3D)距离。然而，以色列理工学院的科学家利用神经网络设计了一个光学系统来直接测量距离。
该研究于12月21日发表在《智能计算》杂志上。
“传统上，显微镜经过优化以输出最清晰的图像，以人类观察者为目标。然而，在计算显微镜中，这一目标已经转变为为后续计算机分析提供最有信息量的测量，”作者说。计算技术的使用可以增强传统光学显微镜的能力。
当代显微镜的重要目标之一是确认荧光源的3D空间位置。光学显微镜的分辨率以及位置测量的准确性受到光波通过小孔径或聚焦到微小点时的衍射或“扩散”的限制。这个点称为系统的点扩散函数(PSF)，可以设计为对点源的有用特征进行编码，例如颜色信息或用于精确定位的3D空间位置。
然而，在许多多色定位成像场景中，科学家需要测量样本中两个点之间的3D距离，而不是确定它们的精确位置。作者说明了这一点：“当样本恰好由2个不同颜色的点组成时，例如，活酵母细胞中标记的DNA位点，每个位点相对于某些全局坐标系的精确3D位置是无关紧要的——只有两个位点之间的距离2个位点是感兴趣的。”
准确的3D距离测量可以揭示组件随时间的运动和动态，有助于研究细胞过程，如迁移和分裂。
为了解决获取此类测量值的问题，作者开发了一种光学系统设计的端到端机器学习方法，该方法结合了神经网络和PSF工程，可直接测量两个不同颜色点之间的3D距离。由物理模型和重建网络组成的神经网络用于同时学习编码(PSF调制的最佳相位掩码)和解码(计算与修改图像的距离)。
作者通过实验证明，不仅通过使用成对的荧光珠，还通过使用酵母细胞中的成对DNA位点，可以将神经网络与PSF工程相结合来设计更精确的光学系统，利用需要距离测量而不是位置测量。
未来的工作可能包括单色距离确定，用于简化标记和提高信噪比(SNR)，或者更确切地说，将此方法扩展到两种以上发射颜色的编码并研究更复杂的动力学，特别是染色体组织研究.此外，这些研究人员创建的方法可以进一步改进，以用于处理包含拥挤细胞的图像，从而对细胞群进行高通量成像。