Deep learning enables stochastic optical reconstruction microscopy-like superresolution image reconstruction from conventional microscopy

https://www.cell.com/iscience/fulltext/S2589-0042(23)02222-8

1 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？
本研究の学術的背景は、光学顕微鏡の解像度の限界を突破するために、超解像顕微鏡という技術が開発されたことです。超解像顕微鏡は、従来の広視野顕微鏡の装置を改良し、分子レベルでの詳細な観察を可能にします。しかし、超解像顕微鏡の利用には高度な知識と複雑な手続きが必要であり、普及が進んでいませんでした。本研究の核心的な学術的問いは、どのようにして広範囲の研究者が超解像顕微鏡を容易に利用できるようにするかという点です。

2 本研究の目的及び学術的独自性と創造性は？
本研究の目的は、低解像度の広視野画像を元に、超解像顕微鏡のように高品質な画像を復元するためのツール、X-Microscopyを開発することです。このツールは、深層学習を利用して広視野画像から超解像顕微鏡の画像を予測することができます。また、X-Microscopyは様々な生物構造の広視野画像から超解像顕微鏡の画像を生成することができ、多色や異なる顕微鏡装置からの画像も扱えます。本研究の学術的独自性と創造性は、X-Microscopyが従来の困難な手続きを簡素化し、超解像顕微鏡を広範囲の研究者にアクセス可能にする点にあります。

3 本研究の着想に至った経緯や，関連する国内外の研究動向と本研究の位置づけは？
本研究の着想は、深層学習が生物医学研究において注目を集め、顕微鏡の分野でも画期的な成果が得られていることに由来します。深層学習を用いた超解像顕微鏡画像の再構築に関する研究は既にいくつか行われており、低解像度画像から超解像顕微鏡画像を復元する方法が提案されています。しかし、広視野画像からより高品質の超解像顕微鏡画像を再構成するための方法はまだ十分に確立されていませんでした。本研究は、この課題に取り組んだものです。

4 本研究で何をどのように，どこまで明らかにした？
本研究では、X-Microscopyというツールを開発し、広視野画像から超解像顕微鏡画像を予測することができることを明らかにしました。X-Microscopyは、深層学習の2つのサブネットワークであるUR-Net-8とX-Netから構成されており、様々な生物構造のサンプルを用いて学習されています。これにより、STORMのような超解像顕微鏡画像と同等の品質の画像を生成することができます。また、X-Microscopyは多色の超解像顕微鏡画像の再構築や異なる顕微鏡装置からの画像も扱えます。

5 本研究の有効性はどのように検証した？
本研究では、X-Microscopyの有効性を実証するために、実際の広視野画像を用いて評価を行いました。これにより、X-MicroscopyがSTORMのような超解像顕微鏡画像と同等の品質の画像を生成することができることを確認しました。また、X-Microscopyが異なる顕微鏡装置からの画像にも適用可能であることも示しました。これにより、X-Microscopyの広範な利用可能性を示すことができました。