深度学习增强的拉格朗日三维轨迹跟踪

微生物如何响应并与其环境互动会因个体间的显著差异，这在微生物学和生态学方面具有重要意义。然而，大多数显微镜技术只能观察短时间内的运动微生物，因为视野有限。通过拉格朗日轨迹跟踪，可以无限期地跟踪单个微生物的三维位置，从而破解其表型特征。当前的拉格朗日轨迹跟踪方法使用微生物发射的荧光信号作为反馈以保持其聚焦。然而，随着时间的推移，荧光显微镜会导致褪色和光损伤，更重要的是，并非所有微生物都容易被荧光标记。此外，传统用于反馈回路确定微生物位置的算法在光学复杂介质中容易出错。本文提出一种更快、更可靠、更通用的拉格朗日轨迹跟踪方法，使用深度学习确定微生物的三维位置。该新方法在跟踪荧光细菌方面展现出增强的精度和速度，适用于光学复杂介质中的荧光显微镜。此外，我们还使用其他显微镜模态跟踪细菌，例如明场显微镜——这使我们能够跟踪不能轻便被荧光标记而不损害其磁性特性的磁性细菌。这些新能力允许提取以前无法获得的定量信息，显著推进了微生物行为的研究——从而开启了复杂生物和生态系统研究的新方向。