华中科技大学人工智能与自动化学院谭山教授团队在人工智能技术应用于超分辨显微成像领域取得新成果

5月30日，国际期刊Nature Communications在线发表了题为“贝叶斯深度学习结构光照明显微镜实现可信超分辨成像与不确定性量化”（Bayesian deep-learning structured illumination microscopy enables reliable super-resolution imaging with uncertainty quantification）的人工智能应用最新研究成果。我校为论文第一完成单位，人工智能与自动化学院博士生刘涛、刘嘉浩为共同第一作者，人工智能与自动化学院谭山教授和清华大学李栋教授为共同通讯作者。

图1 BayesDL-SIM进行精确的分布信息型超分辨成像

光学超分辨率成像技术是揭示细胞生命活动亚衍射极限信息的重要工具，其中结构光照明显微镜（SIM）是活细胞超分辨显微成像的颠覆性工具。近年来，深度学习等人工智能技术显著提升了SIM的成像质量，但其“黑箱”特性导致重建结果的透明性和可靠性难以评估，不可信的成像伪影可能引发错误的生物学解释。如何在SIM超分辨成像中兼顾可靠性，成为当前领域亟待解决的关键科学问题。

谭山教授团队开发了一种贝叶斯深度学习SIM重建框架（BayesDL-SIM），首次实现了SIM超分辨率成像中的不确定性量化。通过将潜在超分辨图像建模为高维异方差概率分布，并借助随机梯度郎之万动力学算法进行模型的近似后验推断，BayesDL-SIM可实现对成像结果多种不确定性的量化，不仅能为用户提供像素级别的可信度评估，还能自动辨识因样本类型不匹配、采样率差异等导致的不可信泛化。

图2 BayesDL-SIM辨识模型错误泛化引起的不可信超分辨结果

论文链接：https://www.nature.com/articles/s41467-025-60093-w