量子增强的超分辨显微成像机制新进展
中国科学院上海高等研究院王中阳课题组提出新型的基于荧光量子相干的超分辨显微成像方法，研究成果以Breaking the diffraction limit using fluorescence quantum coherence为题，近日发表在 《光学快报》（Optics Express）上。 在经典光学成像中，显微镜的空间分辨率受阿贝衍射极限限制为≃λ/2NA，其中λ为光波长，NA为显微物镜的数值孔径。近二十年来，各种超分辨荧光显微成像技术的出现打破了光学衍射极限，将空间分辨率提高到纳米尺度，主流技术包括随机光学重构超分辨成像技术（STORM）、结构光照明显微技术（SIM）和受激辐射损耗技术（STED）。其中STED和STORM通过不断提升测量精度极限来提高分辨率，如STED利用非线性受激辐射损耗机制来压制衍射受限的埃里斑尺寸再通过点扫描获得超分辨成像，而STORM通过统计荧光分子中心位置的定位精度来超衍射极限分辨，其分......阅读全文
前沿显微成像技术专题——超分辨显微成像（2）
上一期我们为大家介绍了几种主要的单分子定位超分辨显微成像技术，还留下了一些问题，比如它的分辨率是由什么决定的？获得的大量图像数据如何进行重构？本期我们就来为大家解答这些问题。单分子定位超分辨显微成像的分辨率单分子定位超分辨显微成像的分辨率主要由两个因素决定：定位精度和分子密度。定位精度是目标分子在横
前沿显微成像技术专题——超分辨显微成像（1）
从16世纪末开始，科学家们就一直使用光学显微镜探索复杂的微观生物世界。然而，传统的光学显微由于光学衍射极限的限制，横向分辨率止步于 200 nm左右，轴向分辨率止步于500 nm，无法对更小的生物分子和结构进行观察。突破光学衍射极限，一直是科学家们梦想和追求的目标。虽然随着扫描电镜、扫描隧道显微镜及
暗场显微结合微球 实现微结构超分辨显微成像
在光学成像领域中，由于受到衍射极限的限制，常规成像分辨率难以突破200nm。生物医学、集成电路等领域对提高成像分辨率有迫切要求，如何实现更高成像分辨率成为近年来的热门研究方向之一。 受自然界微滴可提高成像分辨率的启发，2011年科学家提出将直径在微米级的介质微球直接放置于待测样品表面，在普通白
超分辨光学显微成像技术的新进展
从17世纪开始，现代生物学的发展就与显微成像技术紧密相关。然而，由于受光学衍射极限的影响，传统光学显微成像分辨率最小约为入射光波长的一半。因此，科学家们一直在不断努力，试图寻找突破光学显微镜分辨极限的方法。在超分辨显微技术飞速发展的同时，现有成像技术的缺陷也日益显现，例如成像分辨率和成像时间不可兼得
“光电融合超分辨生物显微成像系统”通过验收
2016年6月21日，国家重大科研仪器研制项目（部门推荐）“光电融合超分辨生物显微成像系统”现场验收会在北京召开。国家自然科学基金委员会（以下简称基金委）副主任沈岩院士出席会议并讲话。基金委计划局局长王长锐、生命科学部常务副主任杜生明研究员、生命科学部副主任冯雪莲研究员、财务
“光电融合超分辨生物显微成像系统”获验收
近日，国家重大科研仪器研制项目（部门推荐）“光电融合超分辨生物显微成像系统”现场验收会在北京召开。基金委副主任沈岩院士出席会议并发表讲话。 根据《国家重大科研仪器设备研制专项实施管理工作细则》和《国家重大科研仪器研制项目验收工作方案（试行）》要求，本次现场验收考核专家组由重大科研仪器专项专家委
超分辨荧光显微成像技术的基本原理
这个问题的答案比较简单：因为组成视网膜的每一个感光细胞（视杆细胞和视锥细胞）、相机芯片上的每一个感光元件（CCD、CMOS等）都是有大小的。比如视网膜中央凹区域的视锥细胞直径平均约为 5 微米。而由于奈奎斯特-香农采样定理的限制，视网膜上能分清的两个相邻像点的距离是视锥细胞直径的两倍，即 10 微米
科学家开发出深度学习超分辨显微成像方法
1月21日，中国科学院生物物理所、广州生物岛实验室研究员李栋课题组，与清华大学自动化系、脑与认知科学研究院教授戴琼海课题组，在Nature Methods上以长文（Article）形式发表了题为Evaluation and development of deep neural networks
Nature Methods：新型光片超分辨显微成像实现精细观测
华中科技大学课题组3月12日在Nature Methods在线发表研究论文，提出了一种基于深度学习的超分辨荧光显微镜，实现对活细胞的精细动态和相互作用进行快速、三维、长时程地观测。 细胞的稳态离不开内部多种亚细胞结构的精确分工和协同合作，洞悉细胞内细胞器/蛋白分子的精密运转是一项重要的生命科学
科学家开发出深度学习超分辨显微成像方法
1月21日，中国科学院生物物理所、广州生物岛实验室研究员李栋课题组，与清华大学自动化系、脑与认知科学研究院教授戴琼海课题组，在Nature Methods上以长文（Article）形式发表了题为Evaluation and development of deep neural net