清華大學新突破！生命觀測進入“無擾時代”，腦科學迎來全新工具

【導讀】清華大學團隊研發出一種基于光場空間角度冗余性的自監督去噪算法LF-denoising，可在自然光級（10μW/mm2）的超低光毒性下實現長時間高保真三維亞細胞成像。該技術突破了長時間活體成像的光毒性限制，為腦科學、免疫學等領域研究提供全新工具，助力揭示生命過程的真實動態。

細胞是組成生命的基本單元，而其大量功能以及細胞間的體內交互作用往往持續數十小時，難以在體外環境復現。

因此，在活體動物中實現高保真度、低光毒性的亞細胞三維成像，是理解腦科學、免疫學、細胞動力學等復雜過程的關鍵途徑，有望打開長時間尺度上全新的觀測維度。

在熒光顯微中，只要有激發光照射，就不可避免引發光毒性——光照能量會損傷細胞與組織，使熒光信號逐漸衰減、細胞功能紊亂甚至死亡。

光毒性并非瞬時問題，而是貫穿整個成像過程的「逐幀累積性傷害」；在長時間成像中，這種傷害會不可逆地改變生命過程本身，使所觀測到的結果不再是真實的生理狀態。

為應對光毒性挑戰，清華大學戴瓊海院士團隊先后突破成像「節流」極限：掃描光場顯微技術1在單次曝光完成三維重建，大幅減少光劑量；隨后結合基于物理深度學習的虛擬掃描技術2，大幅降低掃描過程中引入的光毒性。光子利用效率已被推至極高水平——激發光強已接近現有活體熒光成像的下限。

但真正的挑戰來自長達數小時甚至晝夜尺度的生物現象：此時，激發光必須進一步驟降至接近自然光環境的水平，樣本才能在無擾動的前提下持續維持真實生命活動。然而在如此微弱的光強下，原始成像信噪比極低、組織結構模糊，生物學信息幾乎完全被噪聲淹沒。

現有深度學習增強方法雖可利用時間3或空間冗余4,5提高圖像質量，但在極弱光條件下不可避免地犧牲時空分辨率并引入偽影，無法承擔高保真科學觀測的要求。

因此，如何在「自然光級」光照下仍保持三維亞細胞時空高保真度，通過深度學習與計算框架將極微弱的光子信息「開源」轉化為信噪比增強的干凈影像，是當前阻礙長時間活體觀測的關鍵科學難題。

真正實現這一點，將把活體顯微從「有限成像」帶入「無擾觀測」的時代，為揭示生命過程的連續真實動態打開前所未有的通道。

針對這一尚未決解的難題，2025年11月24日，清華大學團隊在Nature Communications上發表最新研究成果，研發了基于光場空間角度冗余性的自監督去噪算法LF-denoising，能夠在自然光級的激發光下實現高速長時程高保真的三維成像。

LF-denoising通過雙路網絡結構，利用光場的空間角度上高維復合冗余特征進行自監督去噪訓練，從而避免了單一冗余對于數據保真度的破壞。

研究團隊針對性地考慮了實際長時間活體觀測場景中常見的固定模式噪聲、快速樣本活動等問題，使得LF-denoising能夠被在常見的樣本和多種顯微設備上，突破低光強下復雜噪聲的成像環境限制。

團隊在仿真測試和斑馬魚心跳、斑馬魚胚胎、小鼠肝臟、小鼠腦皮層、果蠅腦等多種模式生物的活體實驗中，驗證了LF-denoising高保真的去噪能力，并在國際上首次實現了自然光級光毒性（10-μW/mm2）的長時程亞細胞分辨率三維熒光顯微成像。

圖1：LF-denoising原理

光場圖像是由兩個空間維度和兩個角度維度構成的高維數據。LF-denoising首先按照不同的視角順序進行視角視角重新排布，形成兩個不同的極平面圖像（Epipolar Plane Image, EPI）。

在訓練時，兩個極平面圖像會分別在兩個空間維度上重采樣，形成兩對包含噪聲的自監督訓練數據對，并分別交由兩個結構相同的分路網絡進行訓練。

分路網絡的輸出結果在重新排布和統一空間采樣后會經過基于注意力機制的融合模塊進行融合，同時原始光場圖像會通過隨機正交遮罩進行空間降采樣，形成額外的自監督目標監督融合模塊。最終融合模塊輸出去噪后的光場圖像，用于進一步三維重建。

圖2：LF-denoising與sLFM成像實現對斑馬魚胚胎的連續10小時高速自然光級光毒性三維觀測（GIF圖）

由于觀測時激發光強僅設置為10 μW/mm2，原始成像數據信噪比極低，難以清晰地觀測斑馬魚胚胎膜結構。增強激發光強度則會由于光毒性造成樣本快速被漂白，因而無法實現2小時以上觀測。

LF-denoising成功地在極低激發的條件下，完成了10小時連續成像觀測，并從光子噪聲與模式噪聲的復雜環境中，還原出了斑馬魚胚胎發育過程中產生遷移體的全過程。

圖3：LF-denoising在高度動態的斑馬魚幼魚心跳實驗上的去噪表現

由于心肌組織的快速活動造成的血管變形和血細胞隨血液的快速移動，斑馬魚幼魚心跳具有高度動態的數據特征。先前方法單一依賴時間冗余性或空間冗余性，造成了分辨率和保真度的損失。

LF-denoising通過空間角度的高維冗余性，在保持保真度的同時以高分辨率還原了高信噪比血管結構和完整的血細胞動態。

圖4：LF-denoising在果蠅腦的神經分析上保留了時間因果性

LF-denoising在2pSAM角度掃描數據下實現了高保真果蠅腦雙光子成像。在LF-denoising去噪增強后的神經活動響應在75%局部峰值全寬和氣味刺激后響應趨勢都與原始數據維持一致。

另外，在嗅覺腦區的高維流形分析中，LF-denoising是唯一不受刺激后的時序信號干擾的高保真去噪方法，還原了刺激前無顯著差異的分布。

最后，LF-denoising在保留了所有原始數據中神經信號因果性的同時，發現了新的因果性關聯。

基于該系列成果的核心專利已于清華大學轉化，已支撐清華、北大、北航、北師大、解放軍總醫院、同濟醫院等國內高水平科研機構，在腫瘤學、免疫學、腦科學等不同領域開展了20余項創新性生命科學研究，服務于生命科學發現、基礎醫學和生物制藥等領域。

該工作得到了國家自然科學基金、北京市自然科學基金、科技部重點研發計劃、清華-福州聯合數據技術研究中心、國家博士后創新人才支持計劃、中國博士后科學基金、清華水木學者項目、清華大學-北京大學生命科學聯合中心的大力支持。

參考資料：

1.Wu, J. et al. Iterative tomography with digital adaptive optics permits hour-long intravital observation of 3D subcellular dynamics at millisecond scale. Cell 184, 3318-3332.e17 (2021).

2.Lu, Z. et al. Virtual-scanning light-field microscopy for robust snapshot high-resolution volumetric imaging. Nat. Methods 20, 735–746 (2023).

3.Li, X. et al. Real-time denoising enables high-sensitivity fluorescence time-lapse imaging beyond the shot-noise limit. Nat. Biotechnol. 41, 282–292 (2023).

4.Li, X. et al. Spatial redundancy transformer for self-supervised fluorescence image denoising. Nat. Comput. Sci. 3, 1067–1080 (2023).

5.Zhang, G. et al. Bio-friendly long-term subcellular dynamic recording by self-supervised image enhancement microscopy. Nat. Methods 20, 1957–1970 (2023).