在生物醫(yī)學(xué)領(lǐng)域，熒光顯微成像如同科學(xué)家窺探生命奧秘的“眼睛”，其分辨率與清晰度直接決定了我們對微觀世界的認(rèn)知深度。然而，當(dāng)光線穿透生物組織時，散射效應(yīng)形成的離焦背景如同籠罩在圖像上的“迷霧”，不僅模糊了精細(xì)結(jié)構(gòu)，更成為限制深層組織成像的關(guān)鍵難題。近期，北京大學(xué)席鵬教授與深圳大學(xué)屈軍樂教授團(tuán)隊在《Nature Methods》發(fā)表的“Dark-based optical sectioning assists background removal in fluorescence microscopy”研究，以計算機(jī)視覺與光學(xué)成像的跨界融合，為這一困境提供了革命性解決方案。

 傳統(tǒng)光學(xué)層切技術(shù)的困境與突破契機(jī)

傳統(tǒng)熒光顯微成像為對抗背景干擾，發(fā)展出共聚焦、多光子、光片熒光等光學(xué)層切技術(shù)。這些方法通過調(diào)控光路抑制離焦信號，卻面臨硬件系統(tǒng)復(fù)雜昂貴、高速成像時標(biāo)受限、強(qiáng)光激發(fā)導(dǎo)致光毒性等挑戰(zhàn)。即便采用組織透明化等生物學(xué)手段，也因樣本制備繁瑣、可能破壞組織結(jié)構(gòu)而難以普及。更根本的矛盾在于：高散射深部組織中，現(xiàn)有技術(shù)無論怎樣優(yōu)化光路，都無法完全規(guī)避散射引發(fā)的背景干擾，導(dǎo)致圖像對比度下降、定量分析失真。

研究團(tuán)隊從自然圖像去霧技術(shù)中獲得靈感——大氣散射與熒光散射在圖像頻域表現(xiàn)出驚人的結(jié)構(gòu)相似性，均呈現(xiàn)低頻加性模糊特征。受此啟發(fā)，他們提出“暗通道光學(xué)層切算法（Dark Sectioning）”，通過計算圖像處理而非硬件改造，實現(xiàn)離焦背景的智能識別與抑制。這種“以軟補(bǔ)硬”的思路，徹底打破了傳統(tǒng)技術(shù)對高端光學(xué)元件的依賴。

 暗通道算法的技術(shù)內(nèi)核與創(chuàng)新設(shè)計

Dark Sectioning的核心在于將自然圖像“暗通道去霧”理論與熒光成像物理特性深度融合。其算法流程蘊(yùn)含三大創(chuàng)新突破：

高低頻智能分離策略：將原始圖像分解為高頻細(xì)節(jié)信號與低頻背景成分，僅對低頻部分進(jìn)行背景估計，避免傳統(tǒng)方法中弱熒光信號被誤刪的問題。例如在U2OS細(xì)胞微管成像中，該策略使納米級結(jié)構(gòu)細(xì)節(jié)保留率提升40%以上。

物理驅(qū)動的PSF建模：結(jié)合樣本深度、成像參數(shù)等因素生成自適應(yīng)點擴(kuò)展函數(shù)，指導(dǎo)圖像塊劃分與濾波窗口調(diào)整。在三維曲霉孢頭成像實驗中，此機(jī)制使軸向分辨率提升至共聚焦系統(tǒng)的86%，而數(shù)據(jù)采集速度提高3倍。

迭代背景抑制機(jī)制：通過多級低通濾波模擬離焦背景分布，支持單次快速處理與復(fù)雜場景下的多次迭代。在小鼠腎臟組織切片實驗中，經(jīng)3次迭代處理后，肌動蛋白絲圖像的信背比（SBR）從4.3提升至9.1，超越傳統(tǒng)HiLo成像技術(shù)。

與自然圖像去霧不同，熒光圖像的暗通道處理面臨獨(dú)特挑戰(zhàn)：離焦背景的局部非均勻性（如不同深度組織的散射差異）、熒光信號的稀疏動態(tài)范圍（生物分子表達(dá)的非線性特征）。為此，算法引入局部統(tǒng)計建模與非線性抑制函數(shù)，在小鼠腦部神經(jīng)元成像中，成功將距表面650μm深處的神經(jīng)元信噪比提升2.3倍，使原本淹沒在背景中的細(xì)胞體清晰可辨。

 跨模態(tài)驗證與多場景應(yīng)用突破

研究團(tuán)隊通過系統(tǒng)的交叉實驗，驗證了Dark Sectioning在多種成像模式下的普適性：

寬場成像升級：僅用普通寬場圖像，即可重建出接近共聚焦質(zhì)量的結(jié)果。在COS-7細(xì)胞內(nèi)質(zhì)網(wǎng)成像中，處理后的圖像結(jié)構(gòu)保真度（RSP）達(dá)0.918，較原始寬場提升65%，誤差率（RSE）降低82%。

超分辨成像增強(qiáng)：與結(jié)構(gòu)光照明顯微（SIM）結(jié)合時，有效抑制照明條紋偽影。在三維SIM重建中，線粒體成像的信背比提升37%，肌動蛋白絲的方向解析精度提高1.7°。

活體動態(tài)成像突破：在小鼠皮下血管實時觀測中，克服組織散射導(dǎo)致的模糊，使直徑10μm以下的微血管邊緣銳利度提升50%，在15Hz高速采集下仍保持信號穩(wěn)定性。

該技術(shù)在生物醫(yī)學(xué)多個領(lǐng)域展現(xiàn)出變革性應(yīng)用潛力：

深層神經(jīng)科學(xué)：助力650μm深度神經(jīng)元成像，結(jié)合深度學(xué)習(xí)分割模型，使神經(jīng)元識別率提升38%，為阿爾茨海默病等神經(jīng)退行性疾病研究提供高精度成像工具。

病理診斷革新：在200μm厚前列腺腫瘤組織成像中，將三維熒光圖像轉(zhuǎn)化為仿HE染色圖像，細(xì)胞核邊界清晰度提升60%，計數(shù)準(zhǔn)確率達(dá)92%，為數(shù)字病理高通量評估奠定基礎(chǔ)。

全腦光學(xué)成像：在透明化小鼠全腦組織中，抑制殘留散射背景，神經(jīng)纖維網(wǎng)絡(luò)對比度提升45%，支持厘米級腦區(qū)的精細(xì)結(jié)構(gòu)解析。

 計算成像新范式的未來圖景

Dark Sectioning的誕生標(biāo)志著熒光顯微成像從“硬件主導(dǎo)”向“計算賦能”的范式轉(zhuǎn)變。這種無需改造光學(xué)系統(tǒng)、僅通過算法升級即可提升成像質(zhì)量的方案，為資源有限的實驗室提供了高性價比解決方案。更重要的是，其與現(xiàn)有技術(shù)的兼容性展現(xiàn)出廣闊拓展空間——可集成于光片、光場、受激發(fā)射損耗等高端成像系統(tǒng)，也能與深度學(xué)習(xí)超分辨率算法協(xié)同，形成“光學(xué)采集+計算增強(qiáng)”的閉環(huán)方案。

從技術(shù)演進(jìn)角度看，該研究開辟了計算光學(xué)成像的新路徑：通過挖掘圖像內(nèi)在統(tǒng)計特征與物理成像模型的結(jié)合點，實現(xiàn)對光學(xué)原理的計算重構(gòu)。未來，隨著算法在不同組織類型、成像模態(tài)中的進(jìn)一步優(yōu)化，Dark Sectioning有望成為連接傳統(tǒng)顯微技術(shù)與新興智能成像的橋梁，推動生物醫(yī)學(xué)成像在精度、深度與通量上的全面突破，為揭示生命復(fù)雜系統(tǒng)的動態(tài)奧秘提供更強(qiáng)大的技術(shù)支撐。