华中科技大学马冬林团队：具备“AI大脑”的紧凑型细胞成像仪 | 激光与光电子学进展•专题内封面

  导读  

在生命科学与医学诊疗的前沿，细胞是揭示生命奥秘、疾病机制与药物筛选的“最小单元”。为了看清细胞的形态、运动乃至内部分子结构，科学家们长期依赖于高性能的显微成像设备。然而，传统的台式高分辨率显微镜往往“身形庞大、价格昂贵、操作复杂”，很难满足培养箱内长期活细胞监测、野外即时检验或便携式医疗装备的需求。“将显微镜做小”，成为了现代光电工程领域的一大热门方向。

华中科技大学马冬林教授团队受邀在《激光与光电子学进展》撰写研究论文“基于空间变化智能算法的紧凑型细胞成像仪”，并被遴选为“AI赋能计算成像”专题（第63卷第20期）的内封面文章。该研究将“紧凑型光学硬件”与“空间变化计算成像算法”巧妙结合，为下一代轻量化、高精度的细胞检测仪器开发开辟了新路径。

封面解读

内封面展示了智能光子技术用于显微成像的示意图。中央的精密光学探测装置代表智能光子系统的核心，而该装置向顶部悬浮的类脑细胞体发射光束象征着对微观生命活动的探测与调控；左侧发光屏幕阵列上展示的细胞成像、分子结构等多模态数据，代表人工智能对海量光学信息的实时处理与解读；底部电路板基座上浮现的发光“芯片大脑”，象征着光子芯片与神经网络的深度融合。三种元素共同构成了“光-物质-智能”的完整链路，象征着智能光子技术可以让机器像人一样“看”懂世界，被广泛应用于生物医学成像等前沿领域。

全文链接：安然, 褚文学, 龙永涛, 骆涵, 阮晶, 马冬林. 基于空间变化智能算法的紧凑型细胞成像仪（特邀）[J]. 激光与光电子学进展, 2026, 63(20): 2039018.

1

发展背景：当“便携紧凑”撞上“成像瓶颈”

追求显微镜的轻量化与紧凑化，一直是生物医学光电检测的核心趋势。传统的宽场荧光显微镜为了修正各种像差（如球差、慧差、场曲等），不得不采用多块透镜组合而成的复杂光路，导致体积较大。

如果为了追求“紧凑便携”而简化光学系统（使用更少、更小、更薄的透镜），硬件上的缺陷就会立刻暴露：视场中心很清晰，但边缘严重失真；光强衰减、对比度下降，细胞轮廓模糊混淆。并且，这种“空间异质性/空间变化像差”成为了制约紧凑型成像仪向高精度方向迈进的物理瓶颈。 

面对物理硬件的局限，研究团队给出的破局方案是——“硬件不够，算法来凑”，用计算成像与深度学习重新定义成像过程。

2.1 光学系统：极简紧凑的硬件物理层

系统摒弃了繁琐复杂的透镜组，采用紧凑型的荧光与透射结合光路，配合波长精准的激发光源（如波长为488 nm/561nm 等），在极小的体积内实现了双通道荧光与明场的集成，如图1所示。 

图1 紧凑型智能荧光显微细胞成像仪的总体实现与关键模块。（a）系统光路示意；（b）整机结构与电子模块示意，其中 (ⅰ) 为光源驱动/调制电路， (ⅱ) 为采集通信与接口扩展电路；（c） 系统一体化机箱封装实物图； （d） 上位机控制界面及荧光图像实时显示示例

2.2 算法核心：空间变化点扩散函数重建

由于简化光路在视场不同位置的退化效应完全不同（中心像差小、边缘像差大），故传统“全图统一处理”的算法不再有效。研究将整个成像视场划分为特定的网格矩阵（如3×3空间网格），精准测量并建模出不同区域专属的点扩散函数（PSF）。针对每个区域的退化特性，实施重叠加权去卷积算法，像“精准靶向修复”一样，将边缘模糊失真的细胞图像恢复至接近中心区域的高清水平。 图2展示了3类真实样本的荧光图像复原对比结果，即（1）B16 小鼠黑色素瘤细胞、（2）基因编辑的斑马鱼和（3）玉米根须纵切切片。

图2 不同视场分区尺度下去卷积结果对比。（a）全视场原始图像；（b）1×1 分区去卷积结果；（c）2×2 分区去卷积结果；（d）3×3 分区去卷积结果；（e）~（h）局部放大

2.3 智能体：PSA-SE U-net++ 深度学习分割网络

在图像去卷积重建的基础上，为了实现细胞的自动识别与高精度定量分析，系统引入了集成注意力机制的PSA-SE U-net++ 深度学习网络。该网络能够自动提取不同通道下的细胞特征，不仅能在背景噪声干扰下精准分割出单个细胞的边界，还能对重叠细胞进行智能剥离与计数，赋予了设备“看懂细胞”的AI智慧，如图3所示。

图3 所提PSA-SE U-net++ 结构。（a）PSA-SE U-net++整体结构；（b）PSA-SE 模块结构

在当下研究领域中，各类显微成像系统都在成像质量、系统体积与成本之间做了不同的取舍（如表1所示），却始终没能摆脱“顾此失彼”的困局：台式设备看得清却搬不动；无透镜方案搬得动却算不清；便携式显微镜虽然能带得走，但在视场边缘严重失真。本研究提出的紧凑型智能细胞成像仪，希望能在这个“不可能三角”中增加第四个选项：在不牺牲成像质量的前提下，将体积、成本与智能化程度同时提升到实用水平。

表1 不同成像仪器的优缺点对比

虽然“软硬协同”的方案表现优异，但是要将该技术推向工业化与临床普及，仍面临着从硬件标定、算力部署到环境适应的多重关键挑战：

1）在生产制造环节，空间变化算法高度依赖精准的PSF测量，而光学元件在批量生产中的微小容差会导致每台设备的边缘像差存在差异，极大地增加了算法参数自动标定的成本；

2）在运行效能方面，高分辨率图像的分块去卷积与深度学习分割推理会消耗巨大的计算资源，如何在移动端或边缘计算设备等嵌入式芯片上实现毫秒级的“即拍即显”，成为了“软硬件协同”优化的核心难点；

3）在实际应用场景中，培养箱内复杂的温湿度变化及培养液的折射率波动会引入额外的动态像差，这对算法模型在动态活细胞环境下的泛化与鲁棒能力提出了更高的要求。

物理光学的极限，正在被数学与人工智能重新定义。轻量化、智能化、高精度的微观检测时代，已经悄然到来！基于空间变化智能算法的紧凑型细胞成像仪，不仅代表了一款仪器的创新，更象征着“光学硬件与计算算法深度融合”的技术趋势。 

展望未来，随着边缘计算芯片算力的提升和AI大模型在生物图像领域的深入渗透，紧凑型智能成像技术将迎来更广阔的应用场景。一方面，这种“带AI大脑的便携显微镜”可作为更小巧的“箱内监控员”，直接长期置于细胞培养箱内，实现对干细胞分化、肿瘤细胞迁移等生命过程的7×24小时无创实时监控；另一方面，结合自动化微流控芯片，它能跨越实验室场景，随身携带至基层医院或野外现场，高效完成血液细胞与癌细胞的快速筛查与便携式诊疗。

安然，华中科技大学硕士生，主要从事显微成像技术及细胞图像处理方面的研究。

马冬林，华中科技大学光学与电子信息学院教授，获得2024年国家级青年人才学者荣誉称号，国家重点研发计划青年首席。主要从事光学设计与光学成像技术研究。在Optica 等期刊以第一/通信作者发表SCI论文120余篇；授权发明专利30余项，包含美国发明专利1项；主持国家重点研发计划青年科学家项目、国家自然科学基金面上/青年项目等，并以骨干成员参与承担千万量级JKW重大工程任务。担任Optics Express 副主编，以及Light: Science and Applications、Optica、PhotoniX 等期刊审稿人，获评Opto-Electronic Advances 期刊2020年度优秀审稿人和Optica出版集团2023年度优秀审稿人。

科学编辑 | 褚文学

编辑 | 贾文斌

推荐阅读：

1. 浙江大学、北京理工大学、华中科技大学、山东大学等多家单位的AI赋能计算成像领域研究成果及进展 | “AI赋能计算成像”专题

2.西湖大学袁鑫团队：单次曝光，如何重建三维世界？| 激光与光电子学进展•专题封面