基于深度可分离三维多分辨率U-Net的细胞快速高光谱拉曼成像技术突破

《iScience》：Rapid hyperspectral Raman imaging of cells with depthwise separable 3D MultiResU-Net

本研究针对高光谱拉曼成像因弱信号需长采集时间的技术瓶颈，开发了深度可分离三维MultiResU-Net网络。该算法通过联合处理空间-光谱维度数据，在保持细胞形态和光谱完整性的前提下，将单像素积分时间从5秒缩短至0.5秒，为活细胞动态过程研究提供了高效的计算框架。

　　

在生物医学研究领域，高光谱拉曼成像（HRI）技术以其无标记、无损检测的优势，成为探索细胞分子组成和空间分布的重要工具。然而，细胞样本的拉曼信号极其微弱，高信噪比成像往往需要长达数小时的采集时间，这严重限制了该技术在动态生物学过程研究中的应用。传统去噪算法如Savitzky-Golay滤波、小波去噪等方法容易导致光谱失真，而现有深度学习模型多聚焦于一维光谱处理，忽视了空间维度的上下文信息。

针对这一挑战，广东工业大学朱伟乐等人开发了一种创新的深度可分离三维MultiResU-Net架构。该网络通过多尺度特征融合和深度可分离三维卷积技术，实现了对完整高光谱拉曼数据立方体的联合空间-光谱去噪处理。研究成果发表于《iScience》期刊，为加速拉曼成像提供了有效的解决方案。

研究团队主要采用了深度可分离三维卷积、多尺度特征融合模块和混合Poisson-Gaussian噪声模型等关键技术。实验数据包括公开的乳腺癌细胞数据集和自行采集的HeLa细胞数据，后者通过0.5秒/像素和5秒/像素积分时间获取配对样本。

数据采集

研究采用了两类数据集进行模型训练与验证。合成数据集基于公开的169幅乳腺癌细胞高信噪比拉曼图像（64×64×500），通过混合Poisson-Gaussian噪声模型生成训练样本。真实数据集则通过点扫描方式获取144对HeLa细胞拉曼图像（58×58×812），分别对应0.5秒/像素和5秒/像素的积分时间。

网络架构

该网络基于U-Net架构，采用编码器-解码器结构。创新性地将标准三维卷积替换为深度可分离三维卷积，显著降低了计算参数和浮点运算量。网络在每个下采样阶段引入多尺度特征融合模块，包含空间域的3×3×1和5×5×1标准卷积，以及光谱域的1×1×3、1×1×5标准卷积和扩张卷积，有效捕获不同尺度的特征信息。

合成噪声数据去噪结果

在合成噪声数据上的测试表明，新方法在空间和光谱维度均优于传统方法。在1450 cm^-1特征峰强度图中，S-G滤波仅提供有限的噪声抑制，PCA存在残留颗粒感，而一维U-Net虽改善图像清晰度但仍保留背景斑点。相比之下，新方法在去除噪声的同时更好地保持了细胞形态细节。

光谱分析显示，新方法最准确地保留了峰值位置和相对强度，特别是在795 cm^-1DNA特征峰的重建上表现优异。定量评估中，该方法的SSIM达到0.99，PSNR为48.98 dB，光谱MSE为1.41×10^-5，SNR为21.53 dB，全面超越对比方法。

实验数据去噪结果

在真实HeLa细胞数据上的验证进一步证实了方法的有效性。在1660 cm^-1特征峰的重建中，新方法显著改善了细胞-背景边界清晰度，而一维U-Net的重建结果仍存在模糊现象。强度分布曲线显示新方法与真实值最为接近。

光谱重建方面，新方法在保持1660 cm^-1特征峰强度准确性上表现最佳。定量指标显示，空间维度PSNR达到34.11 dB，SSIM为0.91；光谱维度MSE为4.66×10^-4，SNR为15.67 dB，均优于其他方法。

讨论与结论

该研究通过深度可分离三维MultiResU-Net实现了高光谱拉曼数据的空间-光谱联合学习，在保持分子细节的同时实现了高效的噪声抑制。与PCA和一维U-Net相比，该方法在合成和实验数据集上均表现出更优的重建精度和鲁棒性。

性能提升主要源于两大架构设计：深度可分离三维卷积在减少冗余参数的同时保持了跨维度特征捕获能力；多尺度特征融合模块通过分层特征提取增强了对微弱拉曼峰的敏感性。与传统一维模型不同，该框架对完整数据立方体进行三维上下文学习，实现了形态和光谱信息的同步恢复。

该方法实现了实际意义上数量级级的成像加速（0.5秒/像素），且不牺牲光谱精度，为实时、无标记细胞拉曼成像及更广泛的生物医学应用奠定了基础。未来工作可聚焦于整合物理先验和自监督学习策略，以提升模型在多变实验条件下的可解释性和适应性。

研究局限性包括训练数据集规模有限、在低信噪比条件下1450 cm^-1特征峰对应空间截面图像存在轻微过度平滑，以及目前验证仅局限于乳腺癌细胞和HeLa细胞系。在凋亡HeLa细胞上的测试表明模型具有良好的泛化潜力，但针对更多细胞类型和实验条件的验证仍有待开展。