4月12日，复旦大学计算机科学技术学院教授颜波团队发明了跨任务、多维度的图像增强基础AI模型（UniFMIR），实现了对现有荧光显微成像极限的突破。相关研究发表于《自然-方法》。

发展至今，荧光显微镜的观测分辨率已达到纳米尺度。针对显微镜光学硬件和生物样本光敏感性带来的挑战， 和计算机领域的科学家们开始携手探索用AI的路径来增强图像质量的办法。

复旦大学的AI for Science团队以“一站式集成”为目标，构建了首个“统一”的荧光显微镜图像增强AI基础模型，大幅提升在“图像超分辨率重构、各向同性重构、3D去噪、图像投影和过程重建”五大任务方向上的性能。UniFMIR采用了基于Swin Transformer结构的模块来增强特征表示，可针对不同任务的网络流程共享相同的特征增强计算。通过大规模数据集对模型进行预训练，并使用不同图像增强任务的数据微调模型参数，UniFMIR展现出比专有模型更好的增强性能和泛化性。这意味着，加载了UniFMIR的荧光显微镜可能成为 实验室中的“神器”。

 UniFMIR架构 图片来源于《自然—方法》

相关论文信息：https://doi.org/10.1038/s41592-024-02244-3