当前位置: 网站首页 > 新闻 > 正文

Nature Methods | 突破荧光钙成像光子噪声极限!这种自监督学习方法引起极大关注

时间:2024-05-14 浏览量:

钙成像能够以单细胞分辨率并行记录活体动物的神经活动,为破解神经回路中信息的传播、整合和计算机制提供了可能。为了进行准确的神经功能分析,获取高信噪比的钙成像数据尤其关键。然而,由于在体钙瞬变(Calcium transient)的低峰值积累和快速动态特性 【1,2】,使得探测器无法捕捉足够多的荧光光子,一直以来难以突破光的量子本质所导致的泊松噪声极限。 钙成像信噪比过低的问题长期困扰着神经科学家,现有方法不得不通过牺牲成像速度、分辨率或者组织活性来换取图像信噪比,而极大地限制了生命科学的发展。

2021年8月16日, Nature Methods杂志在线发表了清华大学脑与认知科学研究院、自动化系 戴琼海课题组题为 Reinforcing neuron extraction and spike inference in calcium imaging using deep self-supervised denoising 的研究论文。 该论文提出一种用于钙成像去噪的自监督学习方法(DeepCAD),仅使用单个低信噪比的钙成像视频序列即可实现网络训练。

由于神经元钙活动的高速、非重复特性,传统监督学习所必需的训练真值无法获取,该自监督学习策略打破了对训练真值的依赖,在钙成像去噪方面取得突破。在此基础上,DeepCAD使用三维网络结构充分利用神经活动的时空相关性,将钙成像信噪比提升十倍以上,克服了光子噪声极限。该方法被用于观测小鼠大脑皮层神经纤维网和神经元群落的钙动态,实现了低激发功率下的高信噪比钙成像,并可广泛适用于各类钙成像系统。

图1. DeepCAD原理与应用示意图

为了验证该方法的准确性和可靠性,作者搭建了一套特殊的双光子显微镜,样本所发出的荧光光子在探测端被分光设备分为1:10的两部分,两路信号同步采集。低信噪比的图像作为原始数据输入网络,高信噪比的图像用于验证输出的结果。DeepCAD首先应用于小鼠大脑皮层Layer 1神经纤维网的钙成像去噪,结果表明,去噪后的数据信噪比提升超过十倍,原本淹没在噪声中的钙活动可以被真实地恢复出来。

图2. DeepCAD恢复淹没在噪声中的神经纤维网钙动态,信噪比提升十倍以上

DeepCAD同样被应用于观测小鼠大脑皮层Layer2/3神经群落的钙活动。去噪之后的钙成像数据具有非常高的信噪比,仅从单帧图像就能清晰辨认出神经元的形态和分布。由于有效去除了探测噪声,胞体钙信号的准确度也大幅提高。量化分析表明,DeepCAD增强后的钙成像数据能够明显提升神经元分割(neuron extraction)和尖峰推测(spike inference)的准确度,有助于完整揭示神经回路活动,避免噪声导致的信息损失。

图3. DeepCAD用于神经群落钙成像的去噪,准确解析神经元活动

最后,作者将预训练的DeepCAD模型用于装配有不同物镜和探测器的多个双光子显微镜上,结果表明,DeepCAD具有良好的泛化性和可扩展性,在不同的双光子成像系统上均表现出优越的性能。

为了简化DeepCAD的使用流程,作者将该方法封装为Fiji插件。目前相关代码、插件和完整数据集已随论文一同发布。除了神经钙成像,该方法有望扩展到其他成像模式,如宽场显微镜、共聚焦显微镜和光片显微镜,或者其他功能成像场景,如细胞迁移观测和电压成像。DeepCAD可作为在光子受限情况下延时成像(time-lapse imaging)的一般数据处理步骤,实现对生物动态活动的低激发功率、长时程观测。

清华大学自动化系博士生李欣阳、张国勋为该论文共同第一作者;清华大学脑与认知科学研究院、清华大学自动化系戴琼海教授;清华大学深圳国际研究生院王好谦教授;清华大学电子系方璐副教授为该论文共同通讯作者。

原文链接:

https://www.nature.com/articles/s41592-021-01225-0

论文代码链接:

https://github.com/cabooster/DeepCAD