7倍加速！AI赋能扫描电镜

• 连接组学需要纳米分辨率、突触级的回路图。过去瓶颈主要在人工校对与数据分析；近期 ML 显著提速分割与突触识别，导致“采集”成为新的速率限制。

• 单束 SEM 的速度由像素驻留时间（dwell time）决定，连接组成像常用 ≥1,000 ns/像素以确保分割所需的信噪比。加速的关键是降低总体驻留时间，同时不丢失用于回路判读的必要信息。

• 初始短驻留时间快速扫描后，使用高效神经网络 ERRNET 从原始短驻留图像中预测“易出错”或“高重要性”区域（如突触），立即对这些区域以长驻留时间重扫，拼接为复合图像。

• SmartEM 适用于图像在空间上呈现“分割难度高度异质”的场景（脑组织的轴突、树突与突触在不同区域的大小和密度差异明显）。通过对易错区域“按需加采”，在保持分割准确性的同时，显著缩短总体采集时间。

• 实验显示，在三种连接组数据集上（线虫、鼠脑、人脑），使用两台广泛可用的 SEM，SmartEM 实现了约 5–7× 的加速。

• 驻留时间与分割准确性关系：基于 Verios 5 HP SEM，对小鼠视觉皮层 94 个切片在 4 nm/像素分辨率下以 25–1,200 ns/像素范围重复成像，量化不同驻留时间的分割准确性。准确性随驻留时间增加而提升，并在约 800–1,000 ns/像素区间饱和。

图 1. 不同驻留时间（25 ns、75 ns、800 ns）条件下的突触检测示例，展示短驻留时间快速成像与长驻留时间高准确性的对比。

• 跨设备、跨样本的 SmartEM 评估：在 Verios 5 HP 与 Magellan 400L 两台设备上，于小鼠皮层、人颞叶（H01）和秀丽线虫样本开展系统评估。在时间匹配的条件下，SmartEM 相比标准管线在多个数据集上降低 VI 误差，证明其在不同组织与仪器上的有效性。

图 2. 标准管线与 SmartEM 管线在不同数据集上的 VI 误差差值分布（标准减 SmartEM），正值表示 SmartEM 误差更低。

• 分割管线对比与复合图像优势：以 100 ns/像素的短驻留图像，比较专为短驻留训练的 FASTEM2B 与可处理复合图像的 FUSEDEM2B；并与统一长驻留的 SLOWEM2B（2,500 ns/像素）对照。

• SmartEM 管线利用 Thermo Fisher Scientific Autoscript 包进行自动化控制：从样本导航（S-ROI）到多瓦片采集与拼接，再到“短驻留全幅扫描—ERRNET 预测—生成重扫掩码—长驻留目标重扫”的闭环执行。

• 初始短驻留扫描使用 Autoscript 全幅采集接口；后续重扫使用 Autoscript patterning 接口，并辅以自动对比度/亮度、自动对焦、自动像散校正、自动镜筒校准等功能；由于接口差异，重扫前还进行像素级精确对齐。

图 3. SmartEM 以短驻留时间获取初始图像、预测突触位置，并对这些区域以长驻留时间重扫的示例。

• 复合图像的同质化与分割适配：针对由不同驻留时间融合的图像，FUSEDEM2B 在多数场景下优于固定驻留时间训练的网络；配套的图像同质化处理可提升视觉一致性并利于后续分割。

图 4. 复合电镜图像（短+长驻留）经同质化处理后，与慢速长驻留图像的对比。

SmartEM 展示了在无需依赖昂贵多束 SEM 的前提下，通过将机器学习嵌入单束 SEM 的实时采集流程，实现连接组数据的“数据感知式”加速。该方法在鼠脑、人脑与线虫样本的验证中，实现最高约 7× 的采集速度提升，并保持用于回路重建的关键结构信息准确性，为更广泛的比较连接组学与相关生物医学研究提供了可及的技术路径。

原文链接

进一步了解Autoscript软件

Autoscript软件可适配赛默飞全系列电镜