IA · Modelos · Ciencia · Microscopía · SUSTech · Utrecht
LUNAR combina redes neuronales y física para reconstruir microscopía tridimensional
La publicación formal describe un método que estima posiciones moleculares y aberraciones a partir de las mismas imágenes.
Fecha de la fuente original:
Lo esencial
- La publicación formal describe un método que estima posiciones moleculares y aberraciones a partir de las mismas imágenes.
- La publicación formal sucede a un preprint; el método tiene mayor coste computacional y límites en tejidos dispersivos.
Aprender la imagen y su distorsión
Nature Communications publicó el estudio de LUNAR, un método de microscopía computacional desarrollado por SUSTech y colaboradores. El sistema entrena conjuntamente una red neuronal y un modelo físico de formación de imágenes para estimar posiciones de moléculas fluorescentes y corregir aberraciones ópticas, incluso cuando varias señales se superponen.
Publicación formal y límites de uso
Los autores lo evaluaron con simulaciones e imágenes de poros nucleares, mitocondrias y estructuras neuronales, y describen mejoras frente a los métodos comparados. El procesamiento exige más cómputo que alternativas tradicionales y puede converger a soluciones inadecuadas en condiciones difíciles; la dispersión de luz en tejidos gruesos sigue pendiente. El hito del 16 de mayo es la publicación formal del manuscrito aceptado: LUNAR ya contaba con un preprint revisado en febrero de 2026.