【哈工大（深圳）宣】（医工学院 文/图）近日，哈工大深圳校区医工学院张阳教授团队与北京大学陈良怡教授团队合作，在Nature Methods发表论文《AI-empowered super-resolution microscopy: a revolution in nanoscale cellular imaging》。该文提出AI赋能超分辨显微成像的统一框架，为超分辨率显微镜的智能重建方法与应用提供了可靠参考。

超分辨显微镜能够观察纳米尺度结构与动态过程，但在活细胞、长时程、低光照等实验需求下，成像效率、光毒性、信噪比与重建稳定性之间往往难以兼顾。人工智能方法可以在既有成像数据基础上改善可用信息密度，减少对高剂量照明或长时间采集的依赖。但AI方法也带来新的问题，例如结果的可验证性与伪影风险。因此，团队重点关注如何用更清晰的任务定义、方法选择逻辑与评价标准来支撑AI在超分辨显微成像中的可靠应用。

研究团队将超分辨显微成像中常见的图像重建需求归纳为去噪、弱光增强、去模糊与超分辨重建等方向，并强调这些任务往往在实际场景中相互耦合。基于这一视角，团队提出了一条可操作性更强的工作流：先明确输入数据的形态与真值获取条件，再选择监督、自监督、零样本或迁移等学习范式，随后匹配合适的骨干网络与平台相关组件，最后通过定量指标与可靠性分析共同验证结果。

图1：AI赋能超分辨率显微图像重建的统一框架

此外，团队还对计算机视觉领域的超分辨与超分辨率显微镜做了必要区分，指出二者在问题形成机制上并不等同，前者更多围绕上采样策略，后者则与光学调制、光子统计、点扩散函数及重建算法链路密切相关。在此基础上，本研究系统梳理了在显微图像重建中常用的骨干范式，并以任务与骨架的对应关系展示不同组合在近年研究中的应用趋势。

图2：基于AI的显微图像重建方法

哈工大深圳校区医工学院张阳教授与北京大学陈良怡教授为该论文共同通讯作者。张阳教授团队李森、孟翔杰为共同第一作者。该工作得到哈工大深圳校区、天津大学医学部药学院、深圳河套学院的支持，并获得国家自然科学基金、国家重点研发计划、新基石科学基金会等资助。（编辑 谢梁晖 审核 张惠屏 陈南坤）