基于 progressively saturated upconversion 纳米粒子的数值谱融合超分辨荧光显微技术
光学
2025-07-15 v1
摘要
单束扫描显微术（SBSM）是商业光学系统中最稳健的策略之一。尽管结构照明结合傅里叶域空间频谱融合可提升 SBSM 的分辨率，但仍需复杂的探测系统以优化有效分辨率和信噪比。本文报道，上转换纳米粒子的多样化非线性响应可开启一种新的计算方式——基于 progressively saturated upconversion 纳米显微术（CPSN），其采用单个圆环形激发光束辅助深度学习，以简化传统显微系统。通过调节激发功率，可实现点扩散函数（PSF）从圆环形向高斯形的平滑过渡，从而获取样本的不同空间频率成分。为提升时间分辨率，依据功率依赖曲线，将低功率下的圆环形光束和饱和高斯形图像预测为低饱和阈值下的圆环形光束产生的图像。此外，采用深度递归残差网络（DRRN）将这些逐渐互补的空间频率信息融合为最终的超分辨图像，涵盖完整频率信息。该方法实现了空间分辨率达33 nm（相当于激发波长的1/29）、信噪比从高斯显微中的7 dB 提升至55 dB 的高质量超分辨成像，且适用于任意波长。该方法将非线性饱和与深度学习计算重建相结合，为简化单束超分辨纳米显微术的光学系统并提升成像质量提供了新途径。
引用
@article{arxiv.2507.10129,
title = {Nonlinear Spectral Fusion Super-Resolution Fluorescence Microscopy based on Progressively Saturated Upconversion Nanoparticles},
author = {Yongtao Liu and Tianxiao Wu and Xiao Zhou and Fan Wang},
journal= {arXiv preprint arXiv:2507.10129},
year = {2025}
}
备注
13 pages, 5 figures