[论文解读] Learning an optimal PSF-pair for ultra-dense 3D localization microscopy

Elias Nehme, Boris Ferdman+5 more|arXiv (Cornell University)|Sep 29, 2020

Advanced Fluorescence Microscopy Techniques参考文献 104被引用 5

一句话总结

本文提出一种基于端到端可微学习的双点扩散函数（PSF）成像系统，实现超密集3D单分子定位显微成像。通过设计两种互补的PSF——特别是Nebulae PSF对——该方法在3D检测与定位精度方面表现优异，优于传统单PSF和双PSF方法，在模拟实验与荧光标记端粒的活细胞实验中均表现出色。

ABSTRACT

A long-standing challenge in multiple-particle-tracking is the accurate and precise 3D localization of individual particles at close proximity. One established approach for snapshot 3D imaging is point-spread-function (PSF) engineering, in which the PSF is modified to encode the axial information. However, engineered PSFs are challenging to localize at high densities due to lateral PSF overlaps. Here we suggest using multiple PSFs simultaneously to help overcome this challenge, and investigate the problem of engineering multiple PSFs for dense 3D localization. We implement our approach using a bifurcated optical system that modifies two separate PSFs, and design the PSFs using three different approaches including end-to-end learning. We demonstrate our approach experimentally by volumetric imaging of fluorescently labelled telomeres in cells.

研究动机与目标

• 为克服单PSF设计在高密度3D定位显微成像中因横向PSF重叠导致性能下降的局限性。
• 开发一种多PSF系统，通过联合优化两个独立的PSF，提升在超密集样本中的检测与定位精度。
• 利用端到端可微成像与深度学习技术，协同优化光学系统（相位掩模）与定位算法。
• 通过固定与活的U2OS细胞中端粒的3D成像实验验证该方法，展示在高密度条件下的性能优势。

提出的方法

• 设计一种具有两条独立光路的分叉光学系统，利用共轭后焦面中的液晶空间光调制器（LC-SLMs）施加不同的相位掩模。
• 采用三种PSF对设计策略：(1) 基于Cramér-Rao下界（CRLB）的优化，(2) Tetrapod-EDOF对，以及(3) 使用深度神经网络进行的端到端可微学习。
• 利用可微成像模型将定位误差梯度反向传播通过光学系统，实现相位掩模与定位网络的联合优化。
• 训练深度神经网络，从双通道图像中估计3D位置，损失函数基于横向与轴向的Jaccard指数与均方根误差（RMSE）。
• 使用每发射体15,000个信号光子、每像素500个背景光子的模拟数据验证PSF对，并在固定与活细胞样本中确认结果。
• 将优化后的Nebulae PSF对应用于U2OS细胞中荧光标记端粒的3D超分辨成像，实现了高保真度重建。

实验结果

研究问题

• RQ1 与单PSF方法相比，双PSF系统是否能显著提升超密集3D单分子定位显微成像中的检测与定位性能？
• RQ2 对光学系统与定位算法进行端到端可微优化，是否能生成适用于高密度3D成像的更优PSF对？
• RQ3 在真实噪声与密度条件下，基于CRLB、Tetrapod-EDOF与端到端学习的PSF对在检测准确率与定位精度方面如何比较？
• RQ4 所学习的Nebulae PSF对是否能在活细胞成像中保持高性能，即使在发射体密度高且信噪比低的条件下？

主要发现

• 在固定细胞实验中，Nebulae PSF对的Jaccard指数达到85.29%，显著优于Tetrapod-EDOF对（67.65%）与CRLB对（74.53%）。
• 在含142个发射体的更大细胞中，Nebulae PSF对保持最佳性能，Jaccard指数为91.84%，高于Tetrapod-EDOF对的87.67%与CRLB对的91.03%。
• 端到端学习的Nebulae PSF对在轴向定位精度方面表现最佳，其轴向RMSE甚至优于单通道端到端优化的PSF。
• Tetrapod-EDOF对中的假阴性主要源于信号效率低，靠近噪声底限的发射体无法被检测——这一问题被信号效率更高的Nebulae PSFs有效缓解。
• 模拟结果证实，Nebulae PSF对在所有测试发射体密度下，均优于其他所有方法，在检测（Jaccard指数）与定位精度（横向与轴向RMSE）方面表现全面领先。
• 双通道系统实现了活细胞中端粒的鲁棒3D超分辨成像，证明了该方法在动态生物学研究中的实际可行性。