1. 3DGAT三维成像性能评估

为验证所提出3DGAT方法的重建性能与分辨率，研究团队首先搭建了仿真实验流程：生成直径1 μm的荧光小球，并通过FLFM波动光学模型投影生成二维光场图像，成像参数设置为七个视角与20×/0.45 NA物镜；随后分别采用传统RL解卷积和3DGAT方法进行三维重建。结果如图2(a)所示，3DGAT的重建结果与真值高度一致；相比之下，RL解卷积在横向方向上过度锐化，而在轴向方向出现明显的拉伸，从而影响对真实结构的还原。

为验证3DGAT对复杂结构的重建能力，研究团队在相同成像参数下，模拟了具有随机曲率的三维网状结构。结果表明，与RL解卷积相比，3DGAT能够更准确地恢复微细结构细节，且图像对比度更高，重建结果更接近真实值。峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）、结构相似性指数（Structural Similarity Index, SSIM）以及学习式感知图像块相似度（Learned Perceptual Image Patch Similarity, LPIPS）等多项定量指标也验证了这一点。此外，团队还基于瑞利判据评估了3DGAT的横向分辨率：通过模拟不同间距（2.40 μm到1.20 μm）、线宽0.48 μm的平行荧光线对，探索3DGAT与RL解卷积方法的分辨率极限。结果表明，3DGAT可清晰分辨出1.44 μm间距的三条平行线，而RL解卷积在1.68 μm间距下已难以分辨。

图2. 3DGAT在模拟数据上的性能与分辨率测试

为进一步验证3DGAT在复杂生物结构中的重建能力，研究团队以细节丰富的蒲公英绒毛样本开展仿真实验。通过具备七视角的FLFM系统和20×/0.45 NA物镜模拟生成二维光场数据，并将3DGAT与RL解卷积进行对比。同时对比了不同损失函数配置，包括常用的均方误差（Mean Squared Error, MSE）损失、3DGS原始工作中使用的平均绝对误差（Mean Absolute Error, MAE）+SSIM组合损失、以及本文提出的MSE+傅里叶域损失（Fourier Domain Loss, FDL）空-频域联合约束，以评估不同损失策略对3DGAT重建性能的影响。

从图3(a)可以看到，与RL解卷积相比，3DGAT在x-y、x-z与y-z方向的最大强度投影（Maximum Intensity Projection, MIP）中均能再现清晰的结构细节，特别是轴向解析能力显著增强；图3(b)蓝/白箭头示意的放大区域，也直观展示了这种细节优势。进一步观察图3(b) 与图3(c)，可以发现MSE+FDL损失相较其他损失更能保留微结构纹理，重建结果与真实样本更一致。图3(d)的信号强度曲线表明，3DGAT能准确还原三个峰值并保持精确位置对齐，而图3(e)的定量指标（PSNR、SSIM、LPIPS）也显示该方法表现最佳。综合来看，在复杂生物样本测试中，3DGAT相较于RL解卷积具备更高的分辨率与保真度，同时验证了所提出的空-频域联合约束损失（MSE+FDL）对提升三维结构重建精度的有效性。

图3. RL解卷积与多损失策略下3DGAT重建性能比较

2. 3DGAT赋能斑马鱼活体钙信号动态重建

研究团队在真实斑马鱼实验数据上验证了该方法在三维时间序列成像中的有效性与稳定性。该数据由具备29个视角、16×/0.8 NA水浸物镜的FLFM系统采集，如图4(a)所示。为抑制实验噪声导致的针状伪影，团队进一步引入了有效秩正则化（effective rank regularization, erank）。图4(b)展示了RL解卷积、未加erank的原始3DGAT、以及加入erank的3DGAT（3DGAT-erank）的最大强度投影结果。放大区域如图4(c)所示：3DGAT-erank在结构细节保留方面明显优于RL解卷积，且相较于原始3DGAT，成像伪影明显减少；图4(e)的强度曲线进一步验证了这一点。此外，图4(d)中的傅里叶域可视化显示，3DGAT能更有效利用物理先验与多视角冗余信息，缓解傅里叶域中的缺失锥（missing cone）问题，从而实现更高分辨率的重建。图4(f)的傅里叶环相关质量评估（Fourier ring correlation quality estimate, FRC-QE）指标进一步表明，3DGAT-erank在频率细节恢复方面表现更优。

鉴于FLFM的高速体积成像能力，研究团队利用3DGAT-erank对连续120帧体数据进行三维重建，并参考相关方法提取手动标注神经元的时间钙信号变化轨迹。图5展示了基于3DGAT-erank的典型重建结果及对应分析过程：图5(a)为不同时刻的最大强度投影结果，可见神经元结构在三维方向均被清晰解析；图5(b)展示了局部放大图，虚线圆标注了手动标注的神经元位置，整体呈现出良好的细节保真度与信噪比；图5(c)则给出了标注神经元的时间钙信号轨迹，明确揭示了神经元的动态活动模式。以上结果表明，3DGAT-erank能够在真实生物成像场景中稳定重建连续三维结构，并支持可靠的神经活动动态分析。

图4. 3DGAT应用于真实斑马数据的三维(x-y-z)钙信号重建

图5. 3DGAT应用于斑马鱼时序数据的钙活动分析

Advanced Imaging 2025年第5期封面文章：