摘要：加州大学戴维斯分校研究团队开发的突破性成像技术正在改写神经科学研究的游戏规则。这个被称为DeepInMiniscope的微型显微镜系统首次实现了对自由移动小鼠大脑活动的实时、高分辨率三维成像，为理解大脑如何驱动行为和感知开辟了前所未有的研究窗口。该设备仅有葡萄

信息来源：https://phys.org/news/2025-09-mini-microscope-enables-real-3d.html#google_vignette

加州大学戴维斯分校研究团队开发的突破性成像技术正在改写神经科学研究的游戏规则。这个被称为DeepInMiniscope的微型显微镜系统首次实现了对自由移动小鼠大脑活动的实时、高分辨率三维成像，为理解大脑如何驱动行为和感知开辟了前所未有的研究窗口。该设备仅有葡萄大小，重量不到10克，却能够捕捉到活体组织内部复杂的神经元活动模式。

传统的脑成像技术通常要求实验动物被固定或严重限制其行为，这种实验条件与动物的自然行为状态相去甚远，严重制约了研究人员对大脑真实工作机制的理解。DeepInMiniscope的出现彻底打破了这一局限，使科学家能够观察到小鼠在自然行为状态下的神经活动，这对于理解大脑功能具有革命性意义。

电气和计算机工程教授杨伟建表示，他们的目标是创造一种能够实时研究小鼠大脑活动和行为的设备，以理解大脑活动如何驱动行为或感知。这种技术突破预计将通过开发新的和改进的脑部疾病治疗策略来惠及人类健康，为神经退行性疾病、精神疾病和认知障碍的研究提供全新的工具。

发表在《科学进展》杂志上的研究成果显示，这项技术不仅在硬件设计上实现了突破，更重要的是在计算方法上取得了重大创新。研究团队开发的新型神经网络算法能够处理活体组织中复杂的光散射问题，实现对大体积空间中精细结构的准确重建。

技术创新的多重突破

加州大学戴维斯分校电气工程教授杨伟健开发的 DeepInMiniMicroscope 将光学技术和机器学习相结合，创造了一种可以在活体组织内拍摄高分辨率三维图像的设备。图片来源：Mario Rodriguez/加州大学戴维斯分校

DeepInMiniscope的核心创新在于其独特的掩膜设计，包含100多个小型化高分辨率透镜。这种设计使得系统能够通过单次曝光产生三维图像，大大提高了成像效率。与传统显微镜不同，该系统采用无镜头相机技术，大幅减小了设备体积，同时保持了高分辨率成像能力。

在计算层面，研究团队开发的神经网络算法结合了多种机器学习方法，创建了展开的神经网络架构。这种算法能够整合来自每个透镜的图像信息，实时重建出高质量的三维图像。博士后研究员冯天作为论文第一作者指出，他们的算法结合了可解释性、效率、可扩展性和精确性，只需要最少量的训练数据，但能够稳健、准确地高速处理大规模数据集。

这种计算方法的突破性在于它有效解决了生物成像中的根本挑战。在活组织中，光散射现象普遍存在，信号对比度往往较低，这使得传统成像技术难以在大体积空间中重建复杂的生物结构。DeepInMiniscope通过创新的算法设计克服了这些技术难题，实现了前所未有的成像性能。

系统的紧凑性设计也是一项重要创新。DeepInMiniscope仅有3平方厘米的占地面积，重量约为10克，这相当于四枚25美分硬币的重量。这种超小型化设计使得小鼠能够在佩戴设备的情况下自然移动和行为，从而为研究人员提供了观察真实神经活动的机会。

神经科学研究的新范式

这项技术突破对神经科学研究具有深远影响。传统的脑成像研究往往局限于麻醉或固定状态下的动物实验，这种实验条件虽然便于精确控制，但无法反映大脑在自然状态下的真实工作模式。自由行为状态下的脑成像一直是神经科学领域的圣杯，因为许多重要的神经过程只有在动物进行自然行为时才会显现。

DeepInMiniscope使研究人员能够同时观察小鼠的行为和相应的神经活动，这为理解大脑功能提供了前所未有的洞察。研究人员可以观察小鼠在探索环境、社交互动或学习新任务时的神经活动模式，从而深入理解大脑如何处理信息并驱动复杂的行为。

这种研究能力的提升对于理解人类大脑疾病具有重要意义。许多神经系统疾病，如阿尔茨海默病、帕金森病、抑郁症和精神分裂症，都涉及复杂的神经网络异常。通过观察疾病模型小鼠在自然行为状态下的神经活动变化，研究人员能够更好地理解这些疾病的发病机制，从而开发更有效的治疗策略。

此外，这项技术还为基础神经科学研究开辟了新的可能性。研究人员可以探索记忆形成、情感处理、决策制定等复杂认知过程的神经基础。通过实时观察这些过程中的神经活动变化，科学家能够构建更准确的大脑功能模型。

未来发展前景与挑战

杨伟建教授表示，他们的最终目标是将设备进一步小型化至2平方厘米，使其真正达到"老鼠帽子"的大小。这种进一步的小型化将使设备对动物行为的影响降到最低，提供更加自然的实验条件。

团队还计划在下一代产品中实现无线传输功能，这将进一步减少对实验动物的束缚，使其能够在更大范围内自由活动。无线功能的实现将要求在功耗控制、数据传输和信号处理等方面进行进一步的技术创新。

尽管前景光明，但这项技术的发展仍面临诸多挑战。首先是技术挑战，包括进一步提高成像分辨率、增加成像深度、优化算法效率等。其次是应用挑战，需要将这种技术扩展到不同的实验场景和动物模型中。

从更广泛的角度来看，DeepInMiniscope代表了神经科学技术发展的重要趋势：通过结合先进的光学技术、微电子技术和人工智能算法，创造出能够在自然条件下研究大脑功能的工具。这种跨学科融合的研究方法将继续推动神经科学领域的突破性发现。

研究团队强调，通过实时观察自由行为小鼠的大脑活动，这项技术不仅增进了对大脑如何处理信息和驱动行为的基本理解，还有助于提高对大脑疾病的理解和未来治疗策略的发展。这种技术突破标志着神经科学研究正在进入一个新的时代。

来源：人工智能学家