反卷积能取代共聚焦吗？

当一次标题党，吸引同学们点进来看文章。那么，首先什么是反卷积(deconvolution)呢？这其实是工程数学上的一个概念，与卷积(convolution)相对应。从数学上来说，卷积可以用以下公式来表达，其中*是卷积符号。

相信如果再放几个公式，估计能吓跑不少同学。那么我们从生命科学领域使用的显微镜角度来看，反卷积这项显微软件技术，能给我们带来什么好处呢？先看几张实例图

看完图片后，不少同学的第一感觉应该是：这不是和共聚焦图片一样吗？对了，反卷积就是能通过软件的算法，把合适的显微荧光图像重新还原成高分辨率的图像。那在什么情况下，反卷积可以取代共聚焦呢？活细胞实验、以及那些对于光毒性(photo-toxicity)光漂白(photo-bleaching)要求很高的实验。传统的激光单点扫描的共聚焦，对于需要培养很长时间的活细胞实验，还是有些心有余而力不足（细胞很容易就挂了）。

相信有些同学已经在显微平台用上了这样的活细胞成像系统，它不是共聚焦，但是能拍出类似共聚焦分辨率的荧光图片，同时又很适合活细胞培养。这样的系统，就是通过宽场荧光成像之后用反卷积算法快速地得到高分辨率图像。看下图。

反卷积的原理到底是如何描述的呢？我们不提很多工程数学的概念，比较简单的理解，可以认为清晰的样品经过显微系统（用PSF表示）之后，并不能得到清晰的图像。在下图的等式中，如果我们可以得到系统的点扩展函数（即PSF），那么就能反向推导出样品的图像。

当然，具体的反卷积算法实施中，有很多复杂的迭代运算。推导系统点扩展函数PSF也有很多不同的模式，不同的反卷积软件，都有自己的一套特色算法。但是这种基于CPU计算的反卷积软件，*大的挑战是计算需要的时间很长！！如果是一组比较大的3D图像数据，很大可能性就是下班前开始计算，第二天上班可以拿到结果。

有痛点就会有人找解决方案，更何况咱们领域内都是科学家，开始想各种办法。图形处理器GPU (Graphic Processing Unit)是科学家们找到的一个利器，可以极大地缩短反卷积处理时间（下图），甚至可以做到实时处理得到高分辨率图像。基于GPU的反卷积算法已经在显微成像领域引起了科学家们、各大厂家、以及系统集成商们的极大兴趣，并且在显微系统实施中积极加入了这一利器。

如需了解更多反卷积技术的细节，欢迎联系 info@pooher.com