清华大学研发出“光子放大器”，极微弱光也能看清细胞三维动态！

【导读】清华大学团队研发出一种基于光场空间角度冗余性的自监督去噪算法LF-denoising，可在自然光级（10μW/mm²）的超低光毒性下实现长时间高保真三维亚细胞成像。该技术突破了长时间活体成像的光毒性限制，为脑科学、免疫学等领域研究提供全新工具，助力揭示生命过程的真实动态。

细胞是组成生命的基本单元，而其大量功能以及细胞间的体内交互作用往往持续数十小时，难以在体外环境复现。

因此，在活体动物中实现高保真度、低光毒性的亚细胞三维成像，是理解脑科学、免疫学、细胞动力学等复杂过程的关键途径，有望打开长时间尺度上全新的观测维度。

在荧光显微中，只要有激发光照射，就不可避免引发光毒性——光照能量会损伤细胞与组织，使荧光信号逐渐衰减、细胞功能紊乱甚至死亡。

光毒性并非瞬时问题，而是贯穿整个成像过程的「逐帧累积性伤害」；在长时间成像中，这种伤害会不可逆地改变生命过程本身，使所观测到的结果不再是真实的生理状态。

为应对光毒性挑战，清华大学戴琼海院士团队先后突破成像「节流」极限：扫描光场显微技术1在单次曝光完成三维重建，大幅减少光剂量；随后结合基于物理深度学习的虚拟扫描技术2，大幅降低扫描过程中引入的光毒性。光子利用效率已被推至极高水平——激发光强已接近现有活体荧光成像的下限。

但真正的挑战来自长达数小时甚至昼夜尺度的生物现象：此时，激发光必须进一步骤降至接近自然光环境的水平，样本才能在无扰动的前提下持续维持真实生命活动。然而在如此微弱的光强下，原始成像信噪比极低、组织结构模糊，生物学信息几乎完全被噪声淹没。

现有深度学习增强方法虽可利用时间3或空间冗余4,5提高图像质量，但在极弱光条件下不可避免地牺牲时空分辨率并引入伪影，无法承担高保真科学观测的要求。

因此，如何在「自然光级」光照下仍保持三维亚细胞时空高保真度，通过深度学习与计算框架将极微弱的光子信息「开源」转化为信噪比增强的干净影像，是当前阻碍长时间活体观测的关键科学难题。

真正实现这一点，将把活体显微从「有限成像」带入「无扰观测」的时代，为揭示生命过程的连续真实动态打开前所未有的通道。

针对这一尚未决解的难题，2025年11月24日，清华大学团队在Nature Communications上发表最新研究成果，研发了基于光场空间角度冗余性的自监督去噪算法LF-denoising，能够在自然光级的激发光下实现高速长时程高保真的三维成像。

LF-denoising通过双路网络结构，利用光场的空间角度上高维复合冗余特征进行自监督去噪训练，从而避免了单一冗余对于数据保真度的破坏。

研究团队针对性地考虑了实际长时间活体观测场景中常见的固定模式噪声、快速样本活动等问题，使得LF-denoising能够被在常见的样本和多种显微设备上，突破低光强下复杂噪声的成像环境限制。

团队在仿真测试和斑马鱼心跳、斑马鱼胚胎、小鼠肝脏、小鼠脑皮层、果蝇脑等多种模式生物的活体实验中，验证了LF-denoising高保真的去噪能力，并在国际上首次实现了自然光级光毒性（10-μW/mm2）的长时程亚细胞分辨率三维荧光显微成像。

图1：LF-denoising原理

光场图像是由两个空间维度和两个角度维度构成的高维数据。LF-denoising首先按照不同的视角顺序进行视角视角重新排布，形成两个不同的极平面图像（Epipolar Plane Image, EPI）。

在训练时，两个极平面图像会分别在两个空间维度上重采样，形成两对包含噪声的自监督训练数据对，并分别交由两个结构相同的分路网络进行训练。

分路网络的输出结果在重新排布和统一空间采样后会经过基于注意力机制的融合模块进行融合，同时原始光场图像会通过随机正交遮罩进行空间降采样，形成额外的自监督目标监督融合模块。最终融合模块输出去噪后的光场图像，用于进一步三维重建。

图2：LF-denoising与sLFM成像实现对斑马鱼胚胎的连续10小时高速自然光级光毒性三维观测（GIF图）

由于观测时激发光强仅设置为10 μW/mm2，原始成像数据信噪比极低，难以清晰地观测斑马鱼胚胎膜结构。增强激发光强度则会由于光毒性造成样本快速被漂白，因而无法实现2小时以上观测。

LF-denoising成功地在极低激发的条件下，完成了10小时连续成像观测，并从光子噪声与模式噪声的复杂环境中，还原出了斑马鱼胚胎发育过程中产生迁移体的全过程。

图3：LF-denoising在高度动态的斑马鱼幼鱼心跳实验上的去噪表现

由于心肌组织的快速活动造成的血管变形和血细胞随血液的快速移动，斑马鱼幼鱼心跳具有高度动态的数据特征。先前方法单一依赖时间冗余性或空间冗余性，造成了分辨率和保真度的损失。

LF-denoising通过空间角度的高维冗余性，在保持保真度的同时以高分辨率还原了高信噪比血管结构和完整的血细胞动态。

图4：LF-denoising在果蝇脑的神经分析上保留了时间因果性

LF-denoising在2pSAM角度扫描数据下实现了高保真果蝇脑双光子成像。在LF-denoising去噪增强后的神经活动响应在75%局部峰值全宽和气味刺激后响应趋势都与原始数据维持一致。

另外，在嗅觉脑区的高维流形分析中，LF-denoising是唯一不受刺激后的时序信号干扰的高保真去噪方法，还原了刺激前无显著差异的分布。

最后，LF-denoising在保留了所有原始数据中神经信号因果性的同时，发现了新的因果性关联。

基于该系列成果的核心专利已于清华大学转化，已支撑清华、北大、北航、北师大、解放军总医院、同济医院等国内高水平科研机构，在肿瘤学、免疫学、脑科学等不同领域开展了20余项创新性生命科学研究，服务于生命科学发现、基础医学和生物制药等领域。

该工作得到了国家自然科学基金、北京市自然科学基金、科技部重点研发计划、清华-福州联合数据技术研究中心、国家博士后创新人才支持计划、中国博士后科学基金、清华水木学者项目、清华大学-北京大学生命科学联合中心的大力支持。

参考资料：

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).