Three-dimensional fluorescence microscopy has an intrinsic performance limit set by the number of photons that can be collected from the sample in a given time interval. Here, we introduce a computational microscopy technique, based on a recursive light propagation network (RLP-Net), that overcomes such limitations through virtual refocusing that enables volume reconstruction from two adjacent 2-D wide-field fluorescence images. RLP-Net employs a recursive inference scheme in which the network progressively predicts the subsequent planes along the axial direction. This recursive inference scheme reflects that the law of physics for the light propagation remains spatially invariant and therefore a fixed function (i.e., a neural network) for a short distance light propagation can be recursively applied for a longer distance light propagation. In addition, we employ a self-supervised denoising method to enable accurate virtual light propagation over a long distance. We demonstrate the capability of our method through high-speed volumetric imaging of neuronal activity of a live zebrafish brain
최근 생물학 연구에서 생체 조직 내의 동적 변화나 신경세포의 전기신호를 관찰하기 위해 삼차원 생체 형광 현미경법이 쓰이고 있다. 생체 형광 현미경은 생체의 손상을 피하면서 가할 수 있는 빛의 시간당 에너지 의 한계로 인해 측정할 수 있는 광자의 개수가 크게 제한되고, 형광 현미경의 핵심 성능 지표인 해상도, 신호대잡음비, 촬영 속도, 촬영 면적에 제한된 광자를 배분해야 하므로 영상 촬영 성능이 근본적으로 크게 제한된다. 이 문제를 해결하기 위해, 본 연구에서는 이미 촬영된 광학 현미경 이미지의 초점을 변경하여 다른 초점상의 이미지를 얻어낼 수 있는 가상 재초점 기술을 제안하였다. 광전파는 일정한 물리법칙을 따르며 공간적 불변성을 가지기 때문에 이를 재귀적 함수로 표현할 수 있다는 것에 착안하여, 재귀 신경망을 통해서 이미지의 초점을 변경하는 기술을 개발하였다. 결과적으로 하나의 이차원 영상으로부터 다른 초점 면의 영상을 얻어낼 수 있게 되므로 상충을 피하여 높은 성능을 달성하는 것이 가능하다. 본 연구를 통해 개발한 기술을 활용하여, 신경세포에 형광분자를 발현시킨 소동물 예쁜꼬마선충과 제브라피쉬의 신경세포의 전기적 신호를 이차원으로 촬영한 영상으로부터 삼차원 영상을 복원이 가능함을 입증하였다.
