La microscopia a campo ampio convenzionale (WFM) non può fornire immagini di sezionamento ottico (OS) necessarie per la ricostruzione volumetrica 3D. Il motivo risiede nel fatto che i segnali fuori fuoco sono sempre accoppiati all'interno del piano a fuoco. Introducendo la microscopia a illuminazione strutturata (SIM), i ricercatori sono riusciti a rimuovere i componenti fuori fuoco dal piano a fuoco a colori (FC).

Però, l'attuale approccio FC-SIM richiede tre immagini raw sfasate per ciascun piano focalizzato e centinaia di piani scansionati assialmente. Questo approccio causa un numero significativo di immagini grezze e quindi grava pesantemente sull'archiviazione dei dati e sul costo del tempo di elaborazione. Come liberare un tale fardello è ancora una domanda.

Recentemente, un gruppo di ricerca guidato dal Prof. Yao Baoli presso lo State Key Laboratory of Transient Optics and Photonics, Xi'an Institute of Optics and Precision Mechanics (XIOPM) dell'Accademia cinese delle scienze (CAS), ha riportato uno schema di deep learning FC-WFM-Deep per ottenere direttamente immagini di sezionamento ottico a colori per la microscopia a campo ampio.

Contrariamente all'approccio FC-SIM, la dimensione dei dati di ricostruzione è 21 volte più piccola, e la profondità di messa a fuoco è raddoppiata. Questo lavoro è stato pubblicato sulla rivista Ottica biomedica Express .

FC-WFM-Deep sfrutta appieno le esclusive capacità ad alta risoluzione ea colori della SIM. in modo efficiente, la rete di deep learning necessita solo di formazione su un singolo frame wide-field. Dopo l'allenamento, immagini di alta qualità con sezionamento ottico, notevole profondità di messa a fuoco, e il full-color può essere acquisito direttamente dal frame wide-field.

FC-WFM-Deep ha una qualità di imaging paragonabile a FC-SIM in termini di risoluzione spaziale e dimensioni. Oltre a questo, i dati richiesti per FC-WFM-Deep nella ricostruzione 3-D a colori possono essere 21 volte inferiori a quelli per FC-SIM.

FC-WFM-Deep riduce significativamente i requisiti di acquisizione dei dati 3D senza perdere i dettagli e migliora la velocità di imaging 3D estraendo il sezionamento ottico nella profondità di campo (DOF). Questo metodo conveniente e conveniente offre uno strumento promettente per osservare campioni biologici a colori 3D con elevata precisione.