穿透深层组织高分辨光学成像技术或解决连续变焦显微镜的技术瓶颈
2026-04-16 来源:本站 点击次数:73在现代生物学、医学和材料科学的研究中，科学家们常常需要对同一样本进行动态、跨尺度的连续观测。然而，传统显微镜依赖更换不同倍率的物镜来实现变倍，这个过程不仅不连续、速度慢，还会导致图像抖动，难以捕捉快速变化的微观动态。为应对这一挑战，一项融合了前沿光学设计与人工智能技术的研究应运而生。该研究提出了一种基于物理先验引导的、端到端联合优化框架，成功构建了一台具有大变焦比和自适应像差校正能力的连续光学变焦显微镜。该系统巧妙地将液体透镜的可电控变焦能力与一种创新的神经网络算法相结合，实现了从10.6倍到101.4倍的快速、连续、高质量成像，并能自适应地校正随放大倍率和空间位置变化的复杂像差。
这项重要工作由Dong-Xu Yu, Zhao Jiang, Yi Zheng, Hao-Ran Zhang, Rong-Qiang Li, You-Ran Zhao, Yu-Cheng Lin, Chao Liu和Qiong-Hua Wang等人共同完成。他们的研究成果以题为“Large zoom ratio and adaptive aberration correction microscope using 4DPSF-aware Physical Degradation-guided Network”的论文形式，于2026年发表在光学领域的顶级期刊《Light: Science & Applications》上。
重要发现
本论文的核心在于提出并验证了一套“硬件（光学系统）与软件（算法网络）协同设计”的创新范式，以解决连续变焦显微镜面临的核心技术瓶颈。
研究团队没有将光学设计与图像处理算法割裂开来，而是创造性地提出了一个端到端的联合优化框架。这个框架的“灵魂”在于引入了系统的“四维点扩散函数”（4D PSF）作为物理先验知识。什么是4D PSF？它不仅仅是一个简单的模糊核，而是包含了系统在不同空间位置、不同波长、以及连续变化的不同放大倍率下的完整退化信息。这就像一个为显微镜系统量身定制的、动态的“视觉指纹”。通过将这个包含了空间变异、多波长、连续变焦信息的4D PSF作为先验知识嵌入到后续的神经网络中，该框架能够对光学模拟和神经网络进行联合优化，从而在极大扩展连续变焦范围的同时，显著提升成像质量。
02系统构建：从可移动中继像面到完整显微成像平台
在硬件层面，研究团队设计并搭建了基于液体透镜的连续光学变焦显微镜。其核心是一个创新的“可移动中继像面”变焦物镜设计。该物镜分为前变焦组和后变焦组，每组集成了四个电润湿液体透镜。通过电信号调节施加在液体透镜上的电压，可以连续改变其焦距（光学功率），从而实现无机械移动的连续变焦。然而，仅靠液体透镜有限的光焦度变化范围，难以实现大的变焦比。为此，论文提出的“可移动中继像面”模型成为关键。通过引入这个自由度，改变了前后变焦组的物像距关系，从而协同放大了整个系统的倍率变化范围，最终突破了液体透镜本身的限制。
在软件算法层面，研究团队提出了名为“4DPSF感知的物理退化引导网络”（4DPSF-PDNet）。这个网络是系统的大脑，专门负责处理在变焦过程中产生的、复杂且动态变化的像差。其工作流程是：首先，网络接收由显微镜捕获的退化图像，以及从预先建立的4D PSF字典中检索出的、对应于当前图像空间位置和放大倍率的PSF。接着，网络利用一个“内容自适应可学习维纳滤波”模块，在频域对图像进行初步的噪声抑制和结构恢复。然后，通过一个“物理退化特征融合”模块，将PSF信息与图像特征深度融合，生成包含物理退化先验的引导特征。最后，这些特征会指导一个“退化引导的多头自注意力”机制，对不同空间区域的长程依赖关系进行建模，从而实现精准的自适应像差校正与细节重建。此外，网络还采用了包含物理约束的损失函数，有效抑制了重建过程中可能产生的非物理伪影。
03实验验证：大范围连续变焦与卓越的像差校正能力通过上述软硬件协同设计，最终构建的系统实现了从10.6倍到101.4倍的连续光学变焦。在分辨率测试中，系统在低倍率下可分辨USAF-1951分辨率板的第9组第1单元，在高倍率（100倍）下分辨率进一步提升至第10组第3单元，展现了优异的成像性能。在对小鼠肠道组织切片等生物样本的实际成像中，系统在连续变焦过程中能保持观察目标始终清晰且位于视场中心。
在像差校正能力的比拼中，4DPSF-PDNet展现出了压倒性的优势。与先进的图像恢复模型（如SwinIR、Restormer）以及同样利用PSF指导像差校正的UABC模型相比，4DPSF-PDNet在视觉质量和定量指标上均表现更优。在包含多个放大倍率退化图像的验证集上，4DPSF-PDNet取得了28.12 dB的峰值信噪比，比UABC（25.66 dB）提高了约2.5 dB。这证明了其嵌入物理先验的策略，能够更精准地校正随倍率和空间变化的复杂像差，恢复出更真实的图像细节。
创新与亮点
01突破了传统变焦模式的局限与液体透镜的能力瓶颈
传统显微镜切换物镜的方式已被彻底革新，取而代之的是无缝、快速的纯光学变焦。更重要的是，通过创新的“可移动中继像面”光学设计，巧妙放大了液体透镜有限的变焦能力，将连续变焦比一举提升至近10倍（10.6x~101.4x），实现了从宏观观察到微观细节洞察的流畅跨越。
连续变焦过程中，像差类型和强度会随倍率和视场位置复杂变化，传统固定算法或纯数据驱动的神经网络难以应对。本研究提出的4DPSF-PDNet网络，以系统的4D PSF这一物理“指纹”为核心先验，构建了一个“懂物理”的AI。它不仅能进行通用的图像增强，更能根据具体的物理退化模式进行“对症下药”式的自适应校正，从而实现了对复杂动态像差的精准打击，将重建图像的客观质量指标提升了2.5 dB以上。
总结与展望
研究通过一个物理退化引导的端到端联合优化框架，成功地将液体透镜的光学变焦能力与基于4D PSF先验的智能图像重建网络深度融合，研制出了一台兼具大范围连续变焦和高分辨率成像能力的自适应显微镜。它标志着显微成像技术从“硬件单独优化”或“软件事后补救”，迈向了“软硬件协同设计、物理与数据双驱动”的新范式。
这项技术仍有广阔的进化空间。例如，可以从高维的PSF表示中挖掘更丰富的退化线索以进一步提升性能；优化网络架构、采用轻量化设计或模型压缩技术来降低推理时间，以满足实时性要求更高的应用场景。此外，进一步利用深度学习方法解决液体透镜固有的低透射率、杂散光等光学问题，也将是提升系统整体成像对比度和质量的关键方向。可以预见，这种融合了智能光学与计算成像的新思路，将在生物医学诊断、细胞分析和材料表征等领域发挥越来越重要的作用。
论文信息声明：本文仅用作学术目的。
Yu DX, Jiang Z, Zheng Y, Zhang HR, Li RQ, Zhao YR, Lu XK, Lin YC, Liu C, Wang QH. Large zoom ratio and adaptive aberration correction microscope using 4DPSF-aware Physical Degradation-guided Network. Light Sci Appl. 2026 Mar 3;15(1):140.
DOI:10.1038/s41377-025-02155-8.