近日，我校电子工程与光电技术学院陈钱、左超教授团队提出了一种基于主成分分析的三维结构光照明显微成像方法（PCA-3DSIM）。相关研究成果以“Principal component analysis for three-dimensional structured illumination microscopy (PCA-3DSIM)”为题发表于国际顶尖光学期刊Light: Science & Applications。电光学院博士后钱佳铭和研究生夏薇宜为本文共同第一作者，我校为第一完成单位和通讯单位（文章链接：https://www.nature.com/articles/s41377-025-01979-8）。
三维结构光照明显微成像技术（3D-SIM）能够实现亚细胞结构的三维可视化与纳米级分辨率重建，在生命科学研究中得到广泛应用。然而，该技术在实际应用会受到光学像差、荧光密度异质性等因素的影响，导致照明参数估计不准确，从而影响图像重建质量。该研究团队此前提出了基于主成分分析的结构光照明显微成像方法（PCA-SIM），有效提升了二维成像中照明参数估计的精度与鲁棒性（文章链接：https://elight.springeropen.com/articles/10.1186/s43593-022-00035-x）。该成果发表在eLight期刊，入选ESI高被引论文，并被评为“2023年中国光学十大社会影响力事件”。然而，将该方法推广至3D-SIM，需应对更高维度的数据结构以及体积空间内照明参数变化带来的额外复杂性。
研究团队在PCA-SIM的基础上，提出了结构光照明模型的张量（Tensor）分析方法。在3D-SIM中，照明相量可表征为一个三阶张量。研究发现，在理想无干扰条件下，该照明张量在任意模态下的Tucker秩均为1。换言之，理想照明张量仅由一个“外积因子”构成，各模态展开矩阵的列空间仅包含一个“主成分”；而实际成像中，噪声、像差等干扰因素则表现为不规则的高维分量。值得注意的是，消除这些高维干扰分量以提取由照明参数主导的外积因子/主成分，恰好与PCA（这里指高阶PCA）的核心思想高度契合。基于此，研究人员利用PCA的降维特性与特征解耦能力，对实验获取的照明张量进行Tucker分解并提取各模态下的第一主成分，从而准确还原出结构化光场的亚像素级波矢量与初相位。此外，针对照明参数空间非均匀性问题，研究人员提出了一种自适应局部分块重建策略，通过对局部区域进行基于PCA的参数独立优化，进一步提升了3D-SIM的图像重建质量（图1）。
图1 PCA-3DSIM的原理示意图。a-d自适应分块重建策略示意图；e-hPCA-3DSIM的重建算法步骤
为评估PCA-3DSIM在复杂成像条件下的稳健性，研究人员通过在理想三维结构光照明场中引入逐像素波矢偏移及层间轴向位移，以模拟实际成像过程中的空间照明参数扰动（图2a-2c）。在此基础上，分别采用PCA-3DSIM与先进的开源重建框架Open-3DSIM进行重建对比。仿真结果显示，PCA-3DSIM能够准确提取局部照明主成分，显著抑制伪影产生，重建图像在空间分辨率与结构保真度方面更接近于理想参考图（图2d-2j）。
图2 照明参数随体积空间变化情况下的仿真对比结果。a, b仿真的三维结构光照明场；c沿图b中蓝色虚线处的强度剖面图；d-g不同方法（Open-3DSIM和PCA-3DSIM）获得的宽场图像与超分辨图像；h沿图e-g中蓝线处的强度剖面图；i, j不同方法所得超分辨图像与真实图像间的结构相似性指数（SSIM）与峰值信噪比（PSNR）
随后，研究人员进一步验证了PCA-3DSIM在自研系统中的适用性。针对该系统固有的照明参数波动及系统误差问题，PCA-3DSIM实现了相较于对比方法更高的空间分辨率及更优的光切片能力（图3a-3e）。定量分析表明，PCA-3DSIM获得的横向和轴向平均分辨率分别达到95.83 nm和296.95 nm，优于对比方法所获得的98.22 nm与298.04 nm，验证了其在低稳态系统中的鲁棒性和成像精度优势（图3f-3h）。此外，研究人员进一步在商业化Nikon N-SIM平台上对PCA-3DSIM进行了扩展验证（图4）。实验结果显示，PCA-3DSIM仍展现出稳定的重建性能，证明了其良好的系统兼容性与实际应用潜力。
图3 在自研系统下对HeLa细胞样本进行的超分辨成像对比实验。a-e宽场图像与不同方法获得的超分辨图像；f图c-e中沿黄色线的强度剖面图；g特定层超分辨图像的PANEL评估对比图；h不同方法获得的三维超分辨图像堆栈的PANEL值与rFRC值分布对比
图4在Nikon N-SIM平台下对COS-7细胞样本进行的超分辨成像对比实验。a-d宽场图像与不同方法获得的超分辨图像；e图b-d中沿蓝色线的强度剖面图；f特定层中沿x方向分块图像的横向波矢分布，以及某一横向位置在不同层中的波矢分布；g特定层超分辨图像的rFRC图及三维图像堆栈的rFRC值分布、平均分辨率分布与对比度分布；h PCA-3DSIM获得的不同层超分辨图像切片及其整体三维视图
上述工作得到了国家自然科学基金、国家重点研发计划、基金委国家重大科研仪器研制项目、基金委联合基金重点项目、中央高校基础科研业务费专项资金等项目的支持。
