近日，国际期刊杂志《Nature Biotechnology》报道了一项关于荧光显微镜技术的重大研究成果，中美研究机构联合通过图像去卷积、利用图像处理单元（GPU）减少配准和拼接三维样本多个视角图像所需的时间以及深度学习“三步走”，将荧光显微镜图像后处理的效率提高了数十甚至上千倍。

荧光显微镜是以紫外线为光源，用以照射被检物体，使之发出荧光，然后在显微镜下观察物体的形状及其所在位置的一种光学显微镜，具有高对比度、高分辨率、蛋白分子特异性成像的特点。荧光显微镜主要用于研究细胞内物质的吸收、运输、化学物质的分布及定位等，是生物研究、免疫荧光细胞化学领域的基本实验仪器。

近年来，荧光显微镜技术发展迅速，其成像性能越发优异，能够快速获取多且高分辨率的图像，为生物科学研究提供了数据支撑和科技支持，然而目前荧光显微镜的图像后处理效率较低。科研人员科研可以通过荧光显微镜在短短几分钟内采集大量的数据，但是对提高图像分辨率和对比度最为关键的去卷积和多视角图像融合等数据的后处理往往需要数周甚至数月的时间。

此项技术的开发，有效的解决了上述问题。研究人员通过共聚焦显微镜、结构光照明显微镜、多视角光片显微镜等七种不同类型的显微镜，对单细胞、秀丽隐杆线虫胚胎、斑马鱼胚胎、小鼠组织等尺寸由微米级至毫米级的大量数据进行效果验证，结果显示，这种技术使这些显微镜均实现几十至上千倍的图像后处理加速。

总之，这一技术极大地提高了荧光显微镜图像后处理的效率，为现代新型荧光显微镜的研究提供了更多可能，是迈向更快更好生物观察能力的重要一步。

参考文献：Min Guo, Yue Li,et al.Rapid image deconvolution and multiview fusion for optical microscopy.Nature Biotechnology,2020.https://doi.org/10.1038/s41587-020-0560-x