生物组织的不均匀折射率模糊和扭曲了单分子发射模式，产生了图像伪影，降低了单分子定位显微镜（SMLM）的可实现分辨率。传统的无传感器自适应光学方法依赖于迭代反射镜变化和图像质量度量。然而，这些度量导致不一致的度量响应，从而从根本上限制了它们在组织中进行像差校正的功效。鉴于此，来自普渡大学的Fang Huang和Alexander A. Chubykin等人为了绕过迭代试验，然后评估过程，为SMLM开发了深度学习驱动的自适应光学。

文章要点：

1) 该研究开发的这一方法可以允许直接推断波前失真和近实时补偿，研究经过训练的深度神经网络监测单分子实验中的单个发射模式，推断其共享的波前失真，通过动态滤波器提供估计值，并驱动可变形镜来补偿样本引起的像差；

2) 此外，研究证实，这一方法同时估计和补偿了28种波前变形形状，并通过>130µm厚的脑组织样本提高了三维SMLM的分辨率和保真度。

参考资料：

Zhang, P., Ma, D., Cheng, X. et al. Deep learning-driven adaptive optics for single-molecule localization microscopy. Nat Methods (2023).

10.1038/s41592-023-02029-0

https://doi.org/10.1038/s41592-023-02029-0