在各种成像技术中，多光子荧光成像（MPFI）凭借其在深层组织成像中极高的空间分辨率脱颖而出，成为解析脑部疾病发病机制最具前景的方法之一。然而，目前临床认可的荧光探针并非专门为多光子荧光成像设计，这制约了该技术的临床转化。
近日，深圳大学生物医学工程学院许改霞教授、徐周睿助理教授团队在探究多光子成像提升方面取得重要进展，提出了基于深度学习的临床探针多光子脑部微血管成像增强方法。该方法构建了一套基于深度学习分割技术的多光子脑部微血管背景噪音去除流程，使用深度学习图像分割技术优化脑微血管 MPFI 图像的质量，以消除散射噪声，并采用后处理算法去除前景噪声。该方法相较传统方法更优，且在处理两种商用探针成像时也具有良好效果，处理深度能够到达海马区，具有良好实用性和适用性，推动了MPFI的临床转化。
图1. 对多光子脑部微血管成像的处理过程
基于先前关于AIEgens纳米粒子介导的MPFI研究，该团队构建了包含原始图像及其对应掩膜的配对训练数据集。训练完成后，深度学习模型能将低质量含有噪音的输入图像高效转化为清晰高信噪比的无背景噪音输出图像。分割后图像的信噪比显著提升，而重建的MPFI图像所呈现的血管结构与真实图像高度吻合。值得注意的是，该方法在未见数据集上展现出强健的泛化能力，并针对商业量子点与FDA批准的ICG染料优化了脑微血管成像性能。此方案拓展了MPFI在生物医学研究与临床转化的应用前景，为克服传统造影剂及成像技术的局限性提供了切实可行的解决方案。
图2. 对商用探针多光子脑部微血管成像的优化效果
该研究发表在细胞出版集团Cell Press期刊《交叉科学》（iScience）上。论文第一作者为深圳大学生物医学工程学院助理教授徐周睿，通讯作者为生物医学工程学院许改霞教授。课题组2023级硕士生罗浩然为第二作者，共同参与了本研究工作。
原文（扫描或长按二维码，识别后直达原文页面）：
Deep Learning-Enabled High-Performance Multiphoton Fluorescence Vascular Imaging Using Clinically Approved Fluorescent Probes
Zhourui Xu, Haoran Luo, Ting Chen, Shoulong Yang, Junkang Peng, Yibin Zhang, Yi Gao, Yonghong Shao, Wing-Cheung Law, Ken-Tye Yong, Ke Wang, Gaixia Xu
iScience, 2025, DOI: 10.1016/j.isci.2025.114141
导师介绍
许改霞
https://www.x-mol.com/university/faculty/91939
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
