结构光照明显微镜作为一种重要的超分辨成像技术，能够突破光学衍射极限，揭示亚细胞结构的精细特征。然而，传统方法依赖于已知的、精确校准的照明图案，这给系统构建和实际应用带来了复杂性和限制。为此，研究人员开发了“无标定”结构光照明显微术，它利用未知的随机照明图案即可重建超分辨图像，极大地降低了硬件门槛。但该技术核心的迭代重建算法计算耗时极长，严重阻碍了其在实时成像，尤其是活细胞动态过程观测中的应用。

本论文由 Zachary Burns, Junxiang Zhao, Ayse Z. Sahan, Jin Zhang 和 Zhaowei Liu 共同完成，题为《High-speed blind structured illumination microscopy via unsupervised algorithm unrolling》。该研究于2026年1月在线发表于期刊《自然·通讯》。论文提出了一种名为“展开式无标定SIM”的新算法，将物理模型与深度学习相结合，实现了重建速度的百倍至千倍提升，并成功演示了高达50赫兹的视频级超分辨活细胞成像，为生物医学研究提供了强大的动态观测工具。

重要发现
本论文的核心贡献在于提出并验证了“展开式无标定结构光照明显微术”（UBSIM），它成功解决了传统无标定SIM算法重建速度慢的核心瓶颈，并兼具优异的成像质量和泛化能力。

研究团队将迭代算法中的每一步“展开”，构成一个深度学习网络的一层。在这个网络框架内，每一步迭代不再使用固定的梯度更新规则，而是引入一个可学习的卷积神经网络来处理梯度信息。这个CNN的作用类似于一个“学习到的预处理器”或优化方向计算器，能够智能地指导更新方向，从而用极少数的迭代步骤达到传统算法需要成千上万次迭代才能收敛的效果。更重要的是，UBSIM采用无监督方式进行训练，其损失函数直接沿用物理模型中的成本函数，而非比较输出图像与“真实”图像。这种方法摒弃了对难以获取的“成对”训练数据的依赖，从原理上减少了对特定数据分布的过拟合，增强了算法的鲁棒性和泛化能力。

这种速度提升源于两方面：一是迭代次数的大幅减少，二是PyTorch框架对固定迭代次数的UBSIM网络可以使用静态计算图进行优化，效率远高于迭代算法所需的动态图。这使得实时视频重建成为可能。在本研究中，研究团队在高速成像演示中使用了100 fps的原始图像帧率，最终实现了50 fps的超分辨视频输出，为观测快速细胞动力学过程奠定了基础。

以U-Net为代表的标准监督式深度学习模型在跨域测试中出现了明显的“幻觉”伪影。例如，用网格蛋白小坑数据训练的模型，在处理内质网图像时，会输出带有“点状”特征的结果；用手写数字训练的模型则会产生过度饱和、强度均一的伪影。这表明这些网络过度依赖训练数据的统计特征，而非真正学习通用的逆成像物理过程。相比之下，UBSIM在所有测试中均能产生视觉上一致、高保真的结果，其基于学习感知图像块相似度的定量评估指标也表现出更稳定的跨域性能，证明了其卓越的泛化能力。

更具突破性的是，研究团队利用UBSIM实现了对内质网动态重塑过程的视频级超分辨成像。内质网是高度动态的细胞器，其网络结构的快速变化对成像速度提出了极高要求。通过以100 fps采集原始图像，并使用滑动窗口重建法，UBSIM成功以50 fps的速率生成了超分辨视频，清晰捕捉到了内质网管状结构在一秒内的快速塌陷与重建过程。这直接证明了UBSIM具备研究细胞内快速动力学事件的能力。

创新与亮点
首先，它突破了无标定SIM无法用于实时成像的重大技术瓶颈。传统方法分钟级的重建时间使其仅适用于静态样本分析，UBSIM将时间缩短至毫秒级，实现了从“拍照”到“摄影”的质变。其次，它创新性地提出了一种融合物理模型与无监督学习的算法框架。UBSIM并非“黑箱”神经网络，其迭代块基于明确的物理前向模型，CNN的引入是为了加速收敛，这保证了算法的可解释性，同时其无监督训练策略有效避免了监督学习模型常见的“幻觉”和泛化差的问题。

总结与展望
总而言之，本研究提出的UBSIM算法成功地将无标定结构光照明显微术的重建速度提升了数个数量级，并凭借其物理模型基础与无监督训练策略，在成像质量、速度和泛化能力之间取得了卓越的平衡。它不仅实现了高达50 Hz的视频级超分辨成像，能够清晰记录内质网等细胞器的快速动态变化，更因其对硬件校准的弱依赖特性，为在生物学社区广泛推广高性能超分辨成像技术铺平了道路。

展望未来，UBSIM的分辨率提升目前受限于照明散斑的衍射极限。结合高折射率衬底等超分辨技术，有望将分辨率进一步提升至100纳米以下。尽管UBSIM在重复性成像任务中优势明显，但其仍需前期训练，且每次重建需要多帧原始图像，这在一定程度上限制了单帧获取速度。未来的工作可致力于进一步减少每帧所需子图数量，或结合更高速度的调制与采集系统。可以预见，UBSIM将成为研究亚细胞器时空动力学、以及在各种应激或疾病条件下细胞响应机制的利器，推动生命科学向更微观、更动态的维度深入探索。

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