荧光显微镜是现代生物成像的基石，它使科学家能够实时研究细胞及其过程。然而，分辨率和噪声水平的限制会阻碍这些图像的清晰度和细节。此外，激光照射可能会对细胞产生毒性并导致光漂白，从而进一步限制活细胞成像中的信噪比 (SNR)。

研究人员开发了一种新的反卷积方法来解决这些挑战，显著提高了图像质量，而不会引入伪影。这同时为活细胞成像带来了新的可能性。该研究结果发表在《eLight》杂志上。

这项新技术革新了反卷积方法中的噪声控制模型和分辨率扩展机制，利用称为多分辨率分析 (MRA) 的数学框架来分析荧光显微镜图像以进行噪声控制。

该方法利用了荧光图像的两个关键特性：边缘对比度高和边缘平滑连续，这源于激发荧光团的物理特性。研究人员已经证明，这种方法比以前主流的基于变异的方法更准确地区分有用信号和噪声。

研究人员反思了之前主流统计 Richardson-Lucy 迭代的缺陷，该迭代往往会产生伪影而不是真正的高频信息。他们通过将所提出的边缘驱动噪声控制方法纳入模型解决方案框架，找到了一种替代方法。

还提出了一种加速方法，以便在较短的计算时间内进行足够的迭代。因此，MRA 可以提高荧光图像的信噪比和分辨率，具有更好的抗噪性并确保保真度。即使结构非常复杂，MRA 反卷积结果也可以通过物理超分辨率显微镜进行验证，优于以前的统计反卷积方法。

为了应对背景噪音大的情况，研究人员进一步设计了 SecMRA，结合了计算切片的偏差阈值机制。它比传统方法表现更好，并允许科学家在背景噪音大或信噪比低的情况下执行更具挑战性的成像任务。

这一突破对各种荧光显微镜应用具有重要意义。例如，研究人员现在可以使用结构化照明显微镜 (SIM) 以保真度的方式辨别小至 60 纳米的特征，而这一壮举以前受到分辨率限制的限制。此外，SecMRA 有助于长期观察细胞结构之间的相互作用，为细胞过程提供有价值的见解。

这项创新背后的研究团队强调了在反卷积中保持保真度的重要性。与一些现有的统计方法不同，MRA 方法可能会引入伪影，而 MRA 方法可确保增强图像的准确性和可靠性。MRA 管道中的参数不会显著影响可获得的高频信息，从而提高了反卷积过程中的客观性。

作者还提出了一种调整正则化反卷积算法中超参数的解决方案来推广该技术，通过利用曲波系数的稀疏性来估计噪声强度，实现了参数的自动确定。

此外，为了方便同行研究人员的工作，作者将全部源代码和原始荧光图像数据开源，并编写了交互式GUI软件，方便用户和开发人员使用。作者希望MRA能够成为生物学家和显微镜学家广泛使用的新一代高保真反卷积工具。

此外，针对计算超分辨率、稀疏反卷积和深度学习等蓬勃发展的领域，作者希望本工作提出的技术能够成为一种广泛应用的真实性判断工具，并通过开源相关的低分辨率到高分辨率物理成像数据集，提供客观的评价标准，进一步提升不同算法的性能。