据介绍★◆◆，SMLM彻底改变了生物成像技术，将传统显微镜的空间分辨率提高了一个数量级■■★◆。然而，单分子定位显微镜技术需要较长的采集时间（通常为几分钟）才能获得单个超分辨图像，因为它们依赖于数千个记录帧中许多定位的累积。因此★■★■，SMLM观察高时间分辨率动态的能力一直受到限制◆★◆■◆■。

　　以色列理工学院Yoav Shechtman研究组开发出通过深度学习实现超时空分辨率的动态定位显微技术★◆★★。2023年7月27日，《自然方法学》杂志在线发表了这项成果。

　　研究人员提出了 DBlink★■■，这是一种基于深度学习的方法◆◆，用于从单分子定位显微镜（SMLM）数据重建超时空分辨率。DBlink的输入是录制的SMLM数据视频，输出是超时空分辨率视频重建■◆。研究人员使用的卷积神经网络与双向长短期记忆网络架构相结合■★■，用于捕捉不同输入帧之间的长期依赖关系◆■★◆。研究人员在模拟的细丝和线粒体类结构■◆★◆◆★、受控运动条件下的实验SMLM数据以及活细胞动态SMLM上演示了DBlink的性能■■■■◆◆。DBlink的时空插值技术是活细胞动态过程超分辨率成像的重要进步。