【科技简报】2025年第1期：学界|《自然·方法》：暗通道光学层切技术，驱散生物荧光成像迷雾

2026-04-08 17:14

北京

汇聚顶尖专家

——本期专家——

陈良怡李浩宇吴嘉敏纪伟田梅刘冰

学界|《自然·方法》：暗通道光学层切技术，驱散生物荧光成像迷雾

现代显微成像技术的发展始终聚焦于一个关键难题：如何有效应对荧光信号在厚样本中因光散射导致的图像质量下降。从共聚焦显微镜的点扫描光学切片，到多光子显微镜利用非线性激发实现深层成像，再到光片照明技术通过平面照明减少光损伤，以及三维结构光照明显微（3D-SIM）与组织透明化方法的结合，科研人员不断探索更高效的“光学层切”策略，以期在深层组织中实现高分辨率、低背景干扰的清晰成像。然而，这些基于光学硬件的层切方法往往伴随着系统复杂度提高、成本上升、时间分辨率下降以及光毒性增强等问题；而依赖生物样品处理的透明化等手段，则存在操作繁琐、适用范围有限等挑战。即便在最先进的成像系统中，深层组织产生的离焦背景仍难以避免，严重干扰对细微生物结构的准确观察。

图1 （a, b）自然图像与离焦图像的暗通道先验处理结果，（c）点拓展函数的大小差异导致暗通道图像差异，以及（d）Dark sectioning处理前后的图像对比

近日，北京大学席鹏团队联合深圳大学屈军乐团队在《自然·方法》（Nature Methods）上发表重要研究成果，提出一种创新性的“暗通道光学层切”算法——Dark sectioning。该技术巧妙融合计算机视觉领域的图像增强理念与荧光显微成像原理，仅需单帧原始图像即可高效去除离焦背景，显著提升图像的信背比（SBR）和结构相似性（SSIM），为深层组织成像、病理三维诊断以及活体动态观测提供了全新且高效的解决方案。

Dark sectioning 的灵感源自自然图像处理中的“暗通道先验去雾”技术。研究团队发现，荧光图像中的离焦背景与自然图像中的雾霾在统计特性上具有相似性——二者均表现为对目标信号的低频加性模糊。在无雾图像中，暗通道（即局部区域内像素最小值构成的图像）接近于零；而在含雾图像中，暗通道趋于全白。然而，荧光图像与自然图像存在本质差异：雾霾通常具有全局均匀性，而荧光图像中的离焦背景呈现局部波动特征；此外，自然图像的像素值反映场景亮度信息，而荧光图像的像素值直接对应荧光分子的强度分布。若直接套用传统去雾算法，会导致弱荧光信号丢失或背景去除不彻底。

为此，研究团队专门优化并重构了适用于荧光成像的暗通道层切算法。其核心策略包括：首先对图像进行高低频分离，保留高频中的弱信号成分，仅对低频部分实施背景抑制；其次，引入基于物理模型的点扩展函数（PSF）参数来优化局部图像块的尺寸选择，提升算法的适应性；接着，通过低一级的低通滤波器模拟初始背景分布，实现对离焦背景的定量估计；最后，采用迭代式滤除机制，使算法能够适应不同强度和分布特征的背景噪声，实现更精准的背景剥离。

图2 Dark sectioning的典型应用

在实际应用中，Dark sectioning 展现出优异的性能表现。在高通量光片显微成像中，该技术有效缓解了因组织透明化不完全造成的离焦模糊问题，显著提升了小鼠全脑神经结构的成像清晰度。在活体小动物成像中，通过抑制散射背景，血管网络的对比度和细节可见度明显增强。在深度达650 μm的神经元成像中，原本被背景噪声掩盖的细小神经突结构得以清晰呈现，大幅提高了基于深度学习的神经元自动分割精度。尤为突出的是，在前列腺癌病理组织的三维荧光成像中，Dark sectioning 不仅成功去除了200 μm深度下的离焦背景，还结合风格迁移技术将荧光图像转化为类似HE染色的视觉效果，为临床医生提供更直观、全面的三维病理信息，显著提升了细胞核识别与计数的准确性。

研究团队进一步验证了该技术在多种成像模态中的普适性。结果表明，Dark sectioning 可广泛应用于宽场显微、光片/光场成像、STED超分辨成像及偏振成像等不同硬件平台，有效增强其光学层切能力和偏振解析性能。同时，它还能与多种图像后处理技术协同工作，如深度学习超分辨、荧光涨落成像、二维/三维SIM以及反卷积算法等，不仅有助于降低结构光成像中的重建伪影，还能提升反卷积和涨落成像的分辨率与稳定性。

综上所述，Dark sectioning 技术突破了传统依赖复杂光学系统或繁琐样品处理实现光学层切的局限，开创了一种基于计算成像的高效背景抑制新范式。它以极低的硬件成本和计算开销，实现了高质量的三维光学切片效果，为生命科学、医学诊断和神经科学等领域提供了强大而通用的图像增强工具。

点评

这项由北京大学席鹏团队与深圳大学屈军乐团队合作开发的暗通道光学层切技术，其突破性在于其创新性的“以小博大”设计理念——通过计算成像方法实现硬件性能的飞跃。该技术巧妙借鉴计算机视觉领域的暗通道先验理论，针对荧光成像特点进行创新改良，形成了独特的迭代滤除算法。其最显著的优势是兼容性强、处理速度快，能够无缝集成到现有成像系统中。然而，该方法在处理具有大范围均匀结构的样本时可能存在误去除风险，对单分子定位超分辨技术提升有限，且计算效率介于传统简单算法与复杂迭代方法之间，其在实时成像及特殊样本中的应用仍需进一步优化。

纵观全文，从s²ISM、C²SD-ISM到3D-MP-SIM，再到Dark sectioning，计算成像的浪潮正以多元化的创新路径席卷显微成像的各个层面。这些技术不再满足于被动记录光信号，而是主动参与到成像模型的构建与求解中，从而实现了在时间分辨率、空间分辨率、成像深度和样本友好度之间更为优化的平衡。计算成像的魅力不仅在于其能够弥补硬件固有的不足，更在于其强大的通用性和可扩展性——它们往往能以较低的额外硬件成本，显著提升现有平台的性能，甚至催生出全新的观测能力。正如暗通道层切技术可广泛应用于从宽场到STED的各种模态，其带来的“普惠式”性能提升，有望加速高端成像技术向更广泛科研群体的普及。展望未来，随着更先进的物理模型、深度学习等人工智能技术的深度融合，计算成像必将进一步模糊物理世界与信息世界的边界，推动成像技术从“看得清”向“看得懂”、“看得准”深化，最终为我们理解生命动态过程提供更强大、更智能的“计算显微镜”。

公众号

Biophysics Reports

Abstracted/Indexed in：

Pubmed Central, Scopus, CASSI, CSCD