二维结构光照明显微技术（2D-SIM）
二维结构光照明显微技术（2D-SIM）是一种通过结构化照明和算法重建实现超分辨成像的技术，其核心原理是通过莫尔效应将样本的高频信息迁移至显微镜系统的通频带内，从而突破衍射极限。
一、基本原理
莫尔效应与移频作用
2D-SIM利用余弦结构光条纹（如干涉产生的正弦光场）照射样本，样本的精细结构与照明条纹相互作用产生低频莫尔条纹。这些条纹携带了样本的高频信息，通过多帧不同方向和相位的照明图像采集，结合傅里叶域重建算法，可将高频信息从混叠频谱中分离并重组，最终实现横向分辨率提升至约120纳米（约为传统宽场显微镜的2倍）。照明模式与数据采集
典型的2D-SIM需要采集多帧原始图像（通常每个方向3-5帧，共3个方向），通过横向相位调制分离频谱。例如，使用双光束干涉生成二维横向调制的结构光，覆盖不同角度的照明方向，以覆盖更广的频谱空间。
二、技术进展
（1）结构光调控方法
光栅与机械控制
早期采用物理光栅生成结构光，通过旋转和平移光栅改变条纹方向和相位，但速度受限，难以用于活细胞成像。空间光调制器（SLM）
SLM通过电控液晶像素快速生成相位光栅，显著提升成像速度（如每秒数百帧），但受限于偏振调制和特定波长兼容性。数字微镜器件（DMD）
DMD通过反射微镜阵列生成结构光，支持宽光谱激发（如多色荧光），且成本较低，适合普及应用。例如，基于DMD的投影型系统可实现活细胞动态成像。电光调制器（EOM）与振镜结合
通过EOM快速切换偏振态和振镜调整光路方向，实现高速、多模式（如2D-SIM、TIRF-SIM）切换，减少运动伪影。
（2）重建算法发展
参数估计
需精确计算照明条纹的相位、频率和调制深度。常用方法包括交叉相关（COR）、自相关（ACR）和主成分分析（PCA-SIM），后者在低信噪比条件下表现更优。傅里叶域重建（FDR）
传统算法通过维纳滤波和频谱移位重组高频信息，但易受噪声和光学像差影响。改进算法如海森SIM（Hessian-SIM）通过正则化抑制噪声，稀疏SIM（Sparse-SIM）利用生物结构稀疏性提升重建质量。深度学习融合
基于U-Net、生成对抗网络（GAN）的算法可减少重建伪影，降低光子需求（如HiFi-SIM），甚至实现单帧超分辨（如Deep-SIM）。
三、应用与优势
活细胞成像
2D-SIM因低光毒性和高时间分辨率（可达500帧/秒），适用于动态过程观测，如细胞器运动、膜结构动态等。多色与定量分析
支持多色荧光标记，可研究细胞器互作（如线粒体与内质网），并通过定量算法（如BF-SIM）实现荧光强度精确测量。商业系统案例
主流设备如蔡司Elyra 7、尼康N-SIM S等，提供横向分辨率约100纳米、大视场（>200微米）的成像能力，成为生物学实验室的常用工具。
四、局限性及改进方向
轴向分辨率限制
2D-SIM的轴向分辨率与宽场显微镜相同（约500纳米），无法消除离焦背景，需结合3D-SIM或光片技术（如csiLSFM）提升三维成像能力。算法复杂性
重建过程依赖精确参数估计，低信噪比数据易引入伪影。未来或通过自适应算法和硬件协同优化进一步简化流程。
总结
2D-SIM通过硬件与算法的协同创新，在活细胞超分辨成像领域占据重要地位。其核心优势在于平衡了分辨率、速度和光毒性，未来结合深度学习与新型调制技术（如DMD-EOM系统），有望进一步拓展应用场景。
