“不用最昂貴的鏡頭👨🏽🦲，也能拍出高清照片”👚，近年來🐭，面對人們快速增長的影像清晰度需求，眾多手機、數碼相機廠商不斷探索如何在控製成本的情況下，使用AI模型進一步提升像素級💪。這一次，同樣的技術理念，卻被恒行2平台計算機科學技術學院教授顏波帶領的團隊遷移到了生命科學實驗室裏的常用研究工具“熒光顯微鏡”上。
4月12日，科學期刊《自然-方法》（Nature Methods）以《基於廣義熒光顯微鏡的圖像恢復的預訓練基礎模型》（Pre-training a Foundation Model for Generalizable Fluorescence Microscopy-Based Image Restoration）為題刊發恒行2平台計算機科學技術學院教授顏波團隊成果。他們發明的跨任務🐹、多維度圖像增強基礎AI模型（UniFMIR），實現了對現有熒光顯微成像極限的突破🐏🐭。
來自恒行2平台的這支AI for Science團隊選擇直擊挑戰，以“一站式集成”為目標，直接構建了首個“統一”的熒光顯微鏡圖像增強AI基礎模型（UniFMIR）🤨，大幅提升在“圖像超分辨率重構、各向同性重構😡、3D去噪、圖像投影和過程重建”五大任務方向上的性能。
UniFMIR采用了基於Swin Transformer結構的特征增強模塊來增強特征表示，針對不同任務的網絡流程共享相同的特征增強計算。通過收集的大規模數據集對模型進行預訓練，並使用不同圖像增強任務的數據微調模型參數👩🏿🏫，UniFMIR展現出比專有模型更好的增強性能和泛化性🚦。
這意味著，加載了UniFMIR的熒光顯微鏡可能成為生命科學實驗室中的“神器”⏏️。科學家們能更清晰地觀察到活細胞內部的微小結構和復雜過程，加速全球生命科學👮🏻♂️、醫學研究、疾病診斷相關領域的科學發現和醫療創新；同時🧟🧈，在半導體製造、新材料研發等領域🤳，該成果可以用來提升觀察和分析材料微觀結構的質量，從而優化製造工藝和提高產品質量。
UniFMIR的成功研發標誌著我國在關鍵科學儀器領域“國產設備+基礎模型”的組合能有效減少對進口設備的依賴，增強國家科技自主性和產業安全，也為全球科研領域的進步貢獻了中國智慧和力量🟧。
“這次我們想到把AI 圖像增強技術應用於熒光顯微鏡上👩🏽🎓，並構建UniFMIR，出發點就是AI for Science。我們的模型為熒光顯微鏡圖像增強提供了一個通用的解決方案，通過簡單的參數微調便可應用於不同任務🤘🏽、成像模式和生物結構。未來，生命科學實驗室的科學家們可通過進一步擴展訓練數據的數據量和豐富度來不斷強化UniFMIR的圖像重構能力。”顏波對UniFMIR被用於更多類型實驗的可能性充滿信心👩🏼🌾。
論文鏈接🗳：
https://www.nature.com/articles/s41592-024-02244-3
