上海
近日，中国科学院 自动化研究所 韩华 研究员 、 陈曦 研究员 团队 与 上海交通大学医学院附属第九人民医院 华云峰 研究员 团队 合作， 在Cell Reports Methods发 表 了题为 Volumetric Denoising Enables High-Throughput Volume Electron Microscopy an d Efficient Downstream Analysis 的 研究论文 。该研究提出了一种基于人工智能的三维去噪（Volumetric Denoising）流程，突破体电子显微镜（Volume Electron Microscopy）成像中“速度与质量难以兼顾”的瓶颈，为大规模神经连接组学研究提供了新的技术方案。
研究背景： 破解体电镜成像难题
人类 大脑由数千亿 个 神经元组成，神经元之间通过复杂的突触连接形成庞大的信息网络。要理解这些 神经元的 精密 连接关系，需借助具有纳米级分辨率的显微成像技术，对脑组织进行三维重建。体电镜技术 结合了 连续 超薄切片和 电镜成像， 使研究人员可以 在所需的空 间分辨率 下 观察 神经纤维、 突 触、线粒体等关键结构。然而，随着成像规模不断扩大，一个长期存在的矛盾逐渐显现： 加快 成像 速度，图像噪声越高；提高图像质量，又 消耗 大量成像时间。 这一限制成为推动大 规模神经连接组 学 研究 的 主要 技术 瓶颈 之一 。
AI赋能：从“ 图像 降噪”到“ 还原 结构”
针对这一问题，研究团队提出了全新的思路： 利用人工智能理解三维生物结构信息，而 不仅仅是 机械地 去除图像噪声。 传统二维图像去噪主要针对单张图像进行处理，容易造成 伪影 或失真 。而体电镜数据本质是 空间上连续的 结构， 相邻 切片包含 冗余的结构 信息。 因此， 团队 提出 体积去噪 的 流程 ， 充分利用连续切片之间的结构， 在保留 真实 细胞结构 的基础上 ， 尽可能 去除 图像的随机噪音 。 团队进一步验证发现 ： 经体积去噪处理后 的 数据能够显著改善 神经纤维、 线粒体、突触等亚细胞结构的 智能 分割效果，降低 后续 人工 校验 的 工作量，为未来开展更大规模、更高效率的神经连接组研究提供了有力支持。
展望未来：从“采集更多数据”到“智能获取数据”
这一研究的重要意义在于改变了传统电镜成像的思路。过去，研究人员往往依靠延长 成像 时间 和 提 高 电子束 流 来获得 清晰图像 ，这 无疑 更 符合 人类 视觉 感知 的喜好 ， 而 对于 人工智能 图像分析 并非最优解 。 该研究 表明 ： 未来的高 通量 电镜 成像 应当 以 自动化 图像 处理为主， 针对机器的 特性来优化数据采集策略 。 作为 概念证明 ， 增加 空间 采样频率 与 体 积去噪 算法 的结合 能 够支持更 高效的体电镜数据采集 ， 推动生物 电镜 三维 成像 领域 的发展 。这一技术理念不仅适用于体电镜，也有望拓展到其 它 三维显微成像领域，为生命科学研究提供新的智能化工具。
中国科学院 自动化研究所 韩华研究员、 陈曦 研究员 与 上海交通大学医学院附属第九人民医院 华云峰研究员为本文的 共同 通讯 作者，中 国科学院 大学前沿交叉科学学院 陈波昊 为第一作者 。 团队感谢 上海交通大学医学院 附属第九人民医院 雷鸣教授和 中国科学技术大学 毕国强教授的讨论与 建议 。
原文链接：https://doi.org/10.1016/j.crmeth.2026.101543
制版人：十一
学术合作组织
（*排名不分先后）
推荐直播
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
BioArt
Med
Plants
人才招聘
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
