成像，最新Nature Methods！

背景：双光子荧光显微成像在活体生物成像中受光学像差限制，传统自适应光学方案依赖定制硬件且易受样本运动干扰，难以在普通实验室普及。研究目的：加利福尼亚大学团队提出基于神经场的计算自适应光学框架NeAT，旨在无需外部训练数据和定制硬件，通过单张三维图像栈联合估算像差、恢复样本结构，并校正样本运动和商用显微镜共轭误差。结论：NeAT以纯计算方式实现高性能自适应光学校正，兼容定制与商用显微镜，显著提升活体脑结构与功能成像质量，为神经科学和生物光学成像提供了易普及的高精度工具。