Nat Commun丨费鹏教授团队开发基于自适应学习物理辅助重建的光场超分辨方法

细胞内的细胞器承担着精密而多样的功能，它们在三维空间中的动态协作是驱动细胞生命活动的核心基础【1-3】。实时、立体地观测这些亚细胞结构的运行，不仅能揭示细胞在生理状态下的分子与结构基础，还为解析疾病发生发展的关键环节提供了重要信息。

传统的扫描式三维成像技术（如共聚焦显微镜、3D-SIM）在空间分辨率与时间分辨率之间存在不可避免的权衡，这限制了对细胞器动态三维过程的高分辨率、长时程观测。相比之下，光场显微成像技术同时采集样本的空间与角度信息，单次曝光即可捕获瞬态的三维生命过程，在实现高速体成像速率的同时显著降低光毒性【4】。然而，光场显微技术的“空间–角度”信息编码机制在亚细胞尺度下观测复杂生命结构与功能时存在固有技术限制。其成像过程本质上是在有限光瞳范围内对角度信息与空间信息进行同步采样，二者之间不可避免地相互制约。因此，从二维光场图像重建三维信号，属于欠采样且角度受限的层析成像问题，易导致空间分辨率显著低于物镜衍射极限，并伴随周期性格状伪影。现有方法虽通过硬件与算法提升了光场的分辨率，但仍受限于衍射极限，无法观测亚细胞结构【5】。

2025年8月4日，华中科技大学费鹏团队提出一种基于深度学习的光场成像方法，以实现对多种细胞器的长时程、高时空分辨率的观测。该方法称为基于自适应学习物理辅助重建的光场超分辨成像方法（Adaptive-Learning PHysics-Assisted light-field microscopy，Alpha-LFM）。该团队设计了物理感知的深度学习框架，对光场编码过程进行分步求解、重建，使得光场显微技术首次突破衍射极限，达到了近120 nm的各向同性分辨率；结合自适应微调策略，Alpha-LFM可在未见过的样本类型上实时优化网络参数，提升重建精度。该方法拓宽了现有三维超分辨显微成像技术的时空分辨率边界，体成像速度从秒级提升到毫秒级，成功解析了细胞内溶酶体与线粒体之间的精细相互作用、以及过氧化物酶体和内质网的快速三维运动；同时，其