荧光显微镜配合人工智能使用，国外某大学洛杉矶分校的一个课题组，开发了荧光显微镜的新功能的使用，该技术使科学家能够使用在特殊照明下发光的染料精确标记活细胞和组织的各个部分。研究人员利用人工智能将二维图像转换成虚拟三维切片，这些三维切片显示了生物体内的活动。

　　在近期权威杂志上发表的报告指出，他们的名为“ Deep-Z”的框架能够修复图像中的错误或像差，例如当样品倾斜或弯曲时。此外，他们证明了该系统可以从一种类型的显微镜拍摄2D图像并虚拟地创建样品的3D图像，就好像它们是由另一台更高级的显微镜获得的一样。

　　加州大学洛杉矶分校校长电气和计算机学教授Aydogan Ozcan说“这是一种非常强大的新方法，通过深度学习，可以对活体标本进行3D成像，同时使对样品的毒性最小的光暴露最少”。

　　除了使标本免受潜在的有害剂量照射外，该系统还可以为生物学家和生命科学研究人员提供一种新的3D成像工具，该工具比当前方法更简单，更快，更便宜。校正像差的机会可能使研究活生物体的科学家能够从图像中收集本来无法使用的数据。研究人员还可以虚拟访问昂贵且复杂的设备。

　　这项研究建立在Ozcan及其同事开发的较早技术的基础上，该技术使他们能够以超分辨率渲染2D荧光显微镜图像。荧光显微镜配合人工智能使用，依靠深度学习来提高显微镜技术的水平使用数据，即受人脑启发的计算机系统。

　　Deep-Z是使用来自扫描荧光显微镜的实验图像教授的，该图像可以在多个深度聚焦，以实现样品的3D成像。在成千上万的训练运行中，神经网络学习了如何拍摄2D图像并推断出样品中不同深度的准确3D切片。然后，对框架进行了盲目测试-向其提供了并非其训练内容的图像，并且将虚拟图像与从扫描显微镜获得的实际3D切片进行了比较，从而提供了出色的匹配度。

　　研究人员还发现，即使仅使用与样品表面完全平行的3D切片训练神经网络，Deep-Z仍可以从样品倾斜或弯曲的2D表面生成3D图像。

　　在其他实验中，使用来自两种荧光显微镜的图像对Deep-Z进行了训练：宽视场，它将整个样本暴露在光源下;共聚焦，它使用激光逐部分扫描样品。Ozcan和他的团队表明，他们的框架随后可以使用样品的2D宽视场显微镜图像生成与用共聚焦显微镜拍摄的图像几乎相同的3D图像。

　　这种转换很有价值，荧光显微镜配合人工智能使用，可以产生更清晰，对比度更高的图像。另一方面，宽视野显微镜以较少的费用和较少的技术要求捕获图像。