在生物熒光顯微成像領域，對更高分辨率與更深層成像的追求，始終伴隨著光學像差這一核心挑戰(zhàn)。樣本內部復雜的折射率變化會導致照明與發(fā)射光路畸變，使圖像分辨率、信噪比下降，并在結構光照明顯微鏡等超分辨技術中引入重建偽影，嚴重干擾圖像解讀。雖然自適應光學技術能校正像差，但其對復雜硬件、光毒性波前傳感的依賴，限制了廣泛應用。為此，研究者們提出了一種名為CAO（計算自適應光學）的創(chuàng)新計算方案。

這項重要工作由Atsushi Matsuda, Carlos Mario Rodriguez-Reza, Yosuke Tamada, Yamato Matsuo, Takaharu G. Yamamoto, Takako Koujin, Peter M. Carlton共同完成。其研究成果以題為《Phase-based computational adaptive optics enables artifact-free super-resolution microscopy》的論文形式，于2026年2月在《Communications Engineering》期刊在線發(fā)表，為生命科學領域的高分辨成像提供了一種可擴展且易于實現(xiàn)的解決方案。

重要發(fā)現(xiàn)
01像差信息藏在三維圖像的“相位”里
傳統(tǒng)上，校正像差需要感知光波的波前形狀。本研究團隊提出了一個關鍵洞察：在三維熒光顯微圖像中，光學像差的信息更易于在頻域中被捕捉。他們通過理論模擬與實驗對比發(fā)現(xiàn)，當對三維點擴散函數(shù)進行傅里葉變換得到光學傳遞函數(shù)時，像差的影響主要體現(xiàn)于其相位分量，即相位傳遞函數(shù)；而振幅分量的變化則微乎其微。這意味著，三維圖像的“相位”成為了承載光學畸變信息的主要載體。這一發(fā)現(xiàn)為僅通過計算分析圖像相位來估計像差奠定了理論基礎。

研究團隊通過嚴謹?shù)哪�擬驗證了CAO的可靠性。無論是針對點狀物體、模擬的纖維狀結構，還是在不同信噪比的噪聲條件下，CAO都能準確地估計出預設的像差，包括賽德爾像差和多達96項的澤尼克像差。即使信噪比低至8，對主要像差的估計仍然準確。實驗方面，他們通過改變物鏡校正環(huán)位置或使用折射率不匹配的浸油，在100納米熒光珠樣品中引入了已知的球差。CAO處理成功地將所有情況下的圖像恢復至無異差狀態(tài)，測量的球差值與校正環(huán)刻度呈線性相關，驗證了方法的可重復性。更值得一提的是，CAO能夠輕松實現(xiàn)“亞區(qū)域”像差校正，這對于處理穿越復雜生物組織（如小立碗蘚葉片）后產(chǎn)生的、空間變化的嚴重像差至關重要，而這對于傳統(tǒng)硬件自適應光學系統(tǒng)而言頗具挑戰(zhàn)。

多色3D-SIM成像因波長依賴的折射率變化，尤其易受球差影響。通常只有一個通道能被光學系統(tǒng)優(yōu)化，其他通道則存在像差退化。研究人員將CAO應用于線蟲減數(shù)分裂染色體的多色3D-SIM圖像。在原始圖像中，針對綠色通道優(yōu)化的光學系統(tǒng)導致藍色和紅色通道出現(xiàn)明顯的偽影和蜂窩狀圖案，掩蓋了結構細節(jié)。CAO成功恢復了所有通道的圖像質量，清晰地揭示了藍色通道中同源染色體對之間約400納米的間隙，以及位于間隙內的聯(lián)會復合體蛋白質。所有通道的峰強度提升了1.4至2.0倍，噪聲水平降低。這證實了CAO能有效增強3D-SIM成像，并在多個波長上恢復超分辨能力。

創(chuàng)新與亮點
突破難題：本研究直面了高分辨生物顯微成像的長期痛點——樣本誘導的光學像差。它尤其針對了傳統(tǒng)硬件自適應光學系統(tǒng)復雜、昂貴、有光毒性，而現(xiàn)有計算校正方法（如盲反卷積不適定、深度學習需要大量訓練數(shù)據(jù)）的局限性，提出了一種全新的解決路徑。

技術創(chuàng)新：其核心創(chuàng)新在于，首次將“三維相位傳遞函數(shù)是像差信息主要載體”這一理論洞察，轉化為一種實用的純計算自適應光學技術。CAO無需任何硬件改裝、專用訓練數(shù)據(jù)集或點狀光源，僅通過對已采集的三維圖像進行后處理，即可精確估計并校正復雜的像差，包括高階澤尼克模式。

應用價值：在實際應用層面，這項技術展現(xiàn)出巨大的實用價值與普適性。首先，它讓全球數(shù)以萬計已裝備的寬場和SIM顯微鏡“開箱即用”地獲得圖像質量提升，無需額外投資。其次，其強大的亞區(qū)域校正能力，使其能夠處理生物組織內部復雜、不均勻的像差，為深入成像厚組織、活體樣本掃清了障礙。最后，成功校正3D-SIM多色成像偽影，使得研究人員能夠更可靠地解析細胞器相互作用、染色體空間結構等亞細胞尺度的精細生物學過程，為生命科學與生物醫(yī)學研究提供了更清晰、更可信的觀察窗口。

總結與展望
本研究證明，通過計算手段完全可以復現(xiàn)并超越傳統(tǒng)光學自適應光學的像差校正功能。CAO作為一種無需硬件、基于相位的計算自適應光學技術，為提升熒光顯微鏡圖像質量提供了一條高效、易用的新途徑。它不僅顯著恢復了寬場與3D-SIM圖像的分辨率和信噪比，更能有效消除超分辨成像中的頑固偽影，且具備處理空間變異像差的獨特優(yōu)勢。展望未來，隨著算法的進一步優(yōu)化以及與人工智能驅動的區(qū)域自動選擇相結合，CAO有望實現(xiàn)全自動化工作流。其原理可擴展至共聚焦、光片、雙光子等多種顯微模態(tài)，并與膨脹顯微鏡等技術聯(lián)用。更進一步的，將CAO的快速波前計算能力與變形鏡等硬件集成，或可實現(xiàn)在動態(tài)活體成像中的實時像差校正，從而在神經(jīng)科學、發(fā)育生物學及臨床醫(yī)學影像分析中發(fā)揮更大作用。

DOI:10.1038/s44172-026-00622-7.