結(jié)構(gòu)光照明顯微鏡作為一種重要的超分辨成像技術(shù)，能夠突破光學(xué)衍射極限，揭示亞細胞結(jié)構(gòu)的精細特征。然而，傳統(tǒng)方法依賴于已知的、精確校準(zhǔn)的照明圖案，這給系統(tǒng)構(gòu)建和實際應(yīng)用帶來了復(fù)雜性和限制。為此，研究人員開發(fā)了“無標(biāo)定”結(jié)構(gòu)光照明顯微術(shù)，它利用未知的隨機照明圖案即可重建超分辨圖像，極大地降低了硬件門檻。但該技術(shù)核心的迭代重建算法計算耗時極長，嚴(yán)重阻礙了其在實時成像，尤其是活細胞動態(tài)過程觀測中的應(yīng)用。

本論文由 Zachary Burns, Junxiang Zhao, Ayse Z. Sahan, Jin Zhang 和 Zhaowei Liu 共同完成，題為《High-speed blind structured illumination microscopy via unsupervised algorithm unrolling》。該研究于2026年1月在線發(fā)表于期刊《自然·通訊》。論文提出了一種名為“展開式無標(biāo)定SIM”的新算法，將物理模型與深度學(xué)習(xí)相結(jié)合，實現(xiàn)了重建速度的百倍至千倍提升，并成功演示了高達50赫茲的視頻級超分辨活細胞成像，為生物醫(yī)學(xué)研究提供了強大的動態(tài)觀測工具。

重要發(fā)現(xiàn)
本論文的核心貢獻在于提出并驗證了“展開式無標(biāo)定結(jié)構(gòu)光照明顯微術(shù)”（UBSIM），它成功解決了傳統(tǒng)無標(biāo)定SIM算法重建速度慢的核心瓶頸，并兼具優(yōu)異的成像質(zhì)量和泛化能力。

研究團隊將迭代算法中的每一步“展開”，構(gòu)成一個深度學(xué)習(xí)網(wǎng)絡(luò)的一層。在這個網(wǎng)絡(luò)框架內(nèi)，每一步迭代不再使用固定的梯度更新規(guī)則，而是引入一個可學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)來處理梯度信息。這個CNN的作用類似于一個“學(xué)習(xí)到的預(yù)處理器”或優(yōu)化方向計算器，能夠智能地指導(dǎo)更新方向，從而用極少數(shù)的迭代步驟達到傳統(tǒng)算法需要成千上萬次迭代才能收斂的效果。更重要的是，UBSIM采用無監(jiān)督方式進行訓(xùn)練，其損失函數(shù)直接沿用物理模型中的成本函數(shù)，而非比較輸出圖像與“真實”圖像。這種方法摒棄了對難以獲取的“成對”訓(xùn)練數(shù)據(jù)的依賴，從原理上減少了對特定數(shù)據(jù)分布的過擬合，增強了算法的魯棒性和泛化能力。

這種速度提升源于兩方面：一是迭代次數(shù)的大幅減少，二是PyTorch框架對固定迭代次數(shù)的UBSIM網(wǎng)絡(luò)可以使用靜態(tài)計算圖進行優(yōu)化，效率遠高于迭代算法所需的動態(tài)圖。這使得實時視頻重建成為可能。在本研究中，研究團隊在高速成像演示中使用了100 fps的原始圖像幀率，最終實現(xiàn)了50 fps的超分辨視頻輸出，為觀測快速細胞動力學(xué)過程奠定了基礎(chǔ)。

以U-Net為代表的標(biāo)準(zhǔn)監(jiān)督式深度學(xué)習(xí)模型在跨域測試中出現(xiàn)了明顯的“幻覺”偽影。例如，用網(wǎng)格蛋白小坑數(shù)據(jù)訓(xùn)練的模型，在處理內(nèi)質(zhì)網(wǎng)圖像時，會輸出帶有“點狀”特征的結(jié)果；用手寫數(shù)字訓(xùn)練的模型則會產(chǎn)生過度飽和、強度均一的偽影。這表明這些網(wǎng)絡(luò)過度依賴訓(xùn)練數(shù)據(jù)的統(tǒng)計特征，而非真正學(xué)習(xí)通用的逆成像物理過程。相比之下，UBSIM在所有測試中均能產(chǎn)生視覺上一致、高保真的結(jié)果，其基于學(xué)習(xí)感知圖像塊相似度的定量評估指標(biāo)也表現(xiàn)出更穩(wěn)定的跨域性能，證明了其卓越的泛化能力。

更具突破性的是，研究團隊利用UBSIM實現(xiàn)了對內(nèi)質(zhì)網(wǎng)動態(tài)重塑過程的視頻級超分辨成像。內(nèi)質(zhì)網(wǎng)是高度動態(tài)的細胞器，其網(wǎng)絡(luò)結(jié)構(gòu)的快速變化對成像速度提出了極高要求。通過以100 fps采集原始圖像，并使用滑動窗口重建法，UBSIM成功以50 fps的速率生成了超分辨視頻，清晰捕捉到了內(nèi)質(zhì)網(wǎng)管狀結(jié)構(gòu)在一秒內(nèi)的快速塌陷與重建過程。這直接證明了UBSIM具備研究細胞內(nèi)快速動力學(xué)事件的能力。

創(chuàng)新與亮點
首先，它突破了無標(biāo)定SIM無法用于實時成像的重大技術(shù)瓶頸。傳統(tǒng)方法分鐘級的重建時間使其僅適用于靜態(tài)樣本分析，UBSIM將時間縮短至毫秒級，實現(xiàn)了從“拍照”到“攝影”的質(zhì)變。其次，它創(chuàng)新性地提出了一種融合物理模型與無監(jiān)督學(xué)習(xí)的算法框架。UBSIM并非“黑箱”神經(jīng)網(wǎng)絡(luò)，其迭代塊基于明確的物理前向模型，CNN的引入是為了加速收斂，這保證了算法的可解釋性，同時其無監(jiān)督訓(xùn)練策略有效避免了監(jiān)督學(xué)習(xí)模型常見的“幻覺”和泛化差的問題。

總結(jié)與展望
總而言之，本研究提出的UBSIM算法成功地將無標(biāo)定結(jié)構(gòu)光照明顯微術(shù)的重建速度提升了數(shù)個數(shù)量級，并憑借其物理模型基礎(chǔ)與無監(jiān)督訓(xùn)練策略，在成像質(zhì)量、速度和泛化能力之間取得了卓越的平衡。它不僅實現(xiàn)了高達50 Hz的視頻級超分辨成像，能夠清晰記錄內(nèi)質(zhì)網(wǎng)等細胞器的快速動態(tài)變化，更因其對硬件校準(zhǔn)的弱依賴特性，為在生物學(xué)社區(qū)廣泛推廣高性能超分辨成像技術(shù)鋪平了道路。

展望未來，UBSIM的分辨率提升目前受限于照明散斑的衍射極限。結(jié)合高折射率襯底等超分辨技術(shù)，有望將分辨率進一步提升至100納米以下。盡管UBSIM在重復(fù)性成像任務(wù)中優(yōu)勢明顯，但其仍需前期訓(xùn)練，且每次重建需要多幀原始圖像，這在一定程度上限制了單幀獲取速度。未來的工作可致力于進一步減少每幀所需子圖數(shù)量，或結(jié)合更高速度的調(diào)制與采集系統(tǒng)�？梢灶A(yù)見，UBSIM將成為研究亞細胞器時空動力學(xué)、以及在各種應(yīng)激或疾病條件下細胞響應(yīng)機制的利器，推動生命科學(xué)向更微觀、更動態(tài)的維度深入探索。

DOI:10.1038/s41467-026-68693-w.