首要的挑戰(zhàn)之一是使用顯微鏡初步觀察樣本。需要將樣本置于載物臺上并不斷調(diào)整三維位置以確保對樣本進(jìn)行正確成像。你從目鏡或屏幕上看到的只是樣本極小的一部分。因此，要將樣本保持在正確的焦距內(nèi)并找到正確位置，以便找到感興趣的區(qū)域，是一個非常麻煩的過程。MICA的樣本查找功能通過將樣本聚焦并生成每個相關(guān)區(qū)域的低倍率預(yù)覽圖來自動化這個過程，這個功能可以用于整個成像過程的定位。

下一個挑戰(zhàn)是設(shè)置成像參數(shù)，因此可以在看到感興趣的信號下，避免樣本遭受不必要的光漂白。這一步驟通常要同時選擇激發(fā)和接受檢測的技術(shù)參數(shù)，因?yàn)槊恳豁梾?shù)都會對樣本和獲得的結(jié)果產(chǎn)生不同的影響。使用MICA，您只需輕輕點(diǎn)擊一下“Live"，便可自動完成可視化熒光所需的所有參數(shù)設(shè)置。可隨時通過點(diǎn)擊“OneTouch"執(zhí)行這一自動化設(shè)置來優(yōu)化當(dāng)前視圖的參數(shù)。更改顯微鏡的特定技術(shù)參數(shù)前，實(shí)驗(yàn)人員通常需要了解更改參數(shù)將產(chǎn)生的影響，但在MICA中，設(shè)置是輸出驅(qū)動型的，也就是說，可定義所需的輸出，然后自動完成對應(yīng)的調(diào)整。

一般而言，第一步是確定要成像的正確位置。實(shí)驗(yàn)人員需要使用目鏡了解樣本的整體概況，并記住不同的位置。數(shù)字顯微鏡可以生成樣本的概覽，這可以提供一些幫助，但實(shí)驗(yàn)人員仍然需要指出圖像中要進(jìn)一步成像的位置。MICA的Navigator工具可簡化這一過程。用戶可以生成低倍或高倍的預(yù)覽，輕松定位感興趣的區(qū)域，并可以使用工具直接在圖像上標(biāo)記出感興趣的樣本區(qū)域。這樣后續(xù)高分辨率圖片就可以保存下來。

高放大倍數(shù)物鏡通常需要使用浸沒式介質(zhì)，最常見的是水和油。水為水溶液中的成像樣品匹配了最佳的光學(xué)指數(shù)，而油為包埋的成像樣品匹配了最佳的光學(xué)指數(shù)。水浸物鏡也可用于固定式樣本，但會稍微影響成像質(zhì)量。MICA可同時滿足兩種需求。水鏡還具有全自動化操作的額外優(yōu)勢，水的浸入可以自動建立并維持。為進(jìn)一步提高光學(xué)質(zhì)量，一些物鏡會通過校正環(huán)來補(bǔ)償樣本板的厚度。校正環(huán)可手動、也可自動操作。MICA配置了自動校正環(huán)功能，可實(shí)現(xiàn)自動優(yōu)化。

相對厚度是組織切片成像的另一大挑戰(zhàn)。厚切片會形成較多的散射光，干擾所需信號。THUNDER可減少背景模糊，為組織成像提供了一種寶貴的計算成像方法。 MICA集THUNDER于一體，可在合理的時間范圍內(nèi)確定感興趣的區(qū)域。

除了類似于THUNDER的計算清除方法，共聚焦激光掃描顯微術(shù)(CLSM)等光學(xué)部分也是3D組織玻片成像的一種方法。這種方法中，可獲得性和可用性方面也是挑戰(zhàn)。

除了技術(shù)設(shè)置比較復(fù)雜，共聚焦顯微鏡所需的培訓(xùn)時間一般也更長。MICA集共聚焦和寬場成像于一體，減少了成像參數(shù)設(shè)置，縮短了所需的培訓(xùn)時間，同時也降低了操作顯微鏡的技能要求。

另外，共聚焦和寬場成像模式的圖像設(shè)置有相同的外觀和使用感受，因此，用戶無需學(xué)習(xí)兩種系統(tǒng)的操作方法。而且，用戶可隨意在寬場和共聚焦兩種模式間切換而無需在兩種成像系統(tǒng)間轉(zhuǎn)移樣本。

科學(xué)實(shí)驗(yàn)的一個關(guān)鍵方面是，改變盡可能少的變量，以確定對樣本和結(jié)果的任何影響。除了保證樣本處理相同外，另一個方面是針對激發(fā)和接收檢測成像參數(shù)相同。MICA默認(rèn)在不同項目中保持成像參數(shù)不變，用戶僅基于自己的需求進(jìn)行調(diào)整?？筛鶕?jù)參考圖像輕松恢復(fù)成像參數(shù)。

三個厚度為250µm的小鼠腦部切片包含下述熒光標(biāo)記物：

將切片固定于載玻片支架中（圖1）并置于載物臺上進(jìn)行成像。

在樣本定義中輸入蓋玻片類型和染料等基本信息。利用這一信息，Sample Finder可以識別蓋玻片并自動生成低倍的預(yù)覽。對整個蓋玻片的預(yù)覽可以用來識別三個組織切片，然后用Navigator工具進(jìn)行標(biāo)記。隨后無需手動調(diào)整成像參數(shù)，便可以在20倍寬場模式下對標(biāo)記區(qū)域生成掃描拼接圖像。在這個放大倍數(shù)和分辨率下，就能在組織切片上識別出感興趣的區(qū)域，然后用共聚焦顯微鏡成像。此時，MICA會在相關(guān)區(qū)域切換為共聚焦模式，記錄高清晰圖像，包括三維立體圖像。定義三維立體圖像時，可以手動或單擊鼠標(biāo)自動設(shè)置限制。z Range Finder工具自動確定3D圖像掃描開始和結(jié)束部分。

成像后，可借助MICA Learn & Results工具測量樹突棘。為此，使用pixel classifier在疊層投影下識別棘突。pixel classifier簡單易用且功能強(qiáng)大，用戶只需使用類似于繪畫工具的繪圖工具標(biāo)記對象的示例，在這種情況下為棘突。通過訓(xùn)練模型，更好地再現(xiàn)輸入，然后提供圖像中其他對象的預(yù)覽。經(jīng)過訓(xùn)練后，就可使用模型分析圖像。 

找到載玻片預(yù)覽上單個腦部切片，然后使用Magic Wand工具進(jìn)行標(biāo)記以進(jìn)行掃描拼接。Magic Wand自動識別組織切片的邊界并相應(yīng)地定義所需的拼接。

MICA可同時采集最多四個熒光團(tuán)，因此相比基于濾光塊的序列成像的顯微系統(tǒng)，可有效節(jié)約用戶的時間。在單次掃描拼接中，可找到感興趣區(qū)域，并在共聚焦模式下以更高的放大倍數(shù)觀察更多的細(xì)節(jié)。

二維圖像需要借助三維數(shù)據(jù)以獲得更詳細(xì)的信息。為此，z界面中定義了三維立體模式。

在CLSM下進(jìn)行立體采集后（120µm厚），可在三維觀察器中可視化數(shù)據(jù)，獲得腦部樣本的更多空間信息。

對于定量來說，可根據(jù)三維采集信息生成最大投影來測量樣本樹突棘的平均面積。pixel classifier識別棘突，分析工具則確定面積。得到的數(shù)值可繪制成圖，以可視化數(shù)據(jù)和相關(guān)性。圖4顯示了樹突棘面積的直方圖。這些結(jié)果也可通過箱線圖的形式顯示，來比較不同的樹突棘群落（圖4）。

為此，可使用基于人工智能技術(shù)的pixel classifier來識別相關(guān)的圖像細(xì)節(jié)。隨后，識別出的對象可以被量化并顯示在圖形中。在本示例中，樹突棘的平均面積在最大投影上測量。

MICA是用于三維組織成像的有效工具：使用pixel classifier功能，用戶可以快速了解樣本的整體質(zhì)量，確定進(jìn)一步的操作。隨后，Navigator視圖可對組織切片進(jìn)行更深入的觀察。Magic Wand等工具用于快速定義感興趣的區(qū)域，加上4個通道的同時成像，可加快大圖掃描拼接的速度。使用新的z界面使三維采集更加簡化，pixel classifier能輔助后續(xù)分析。

簡而言之，MICA集寬場成像和共聚焦成像于一個系統(tǒng)中。它可以幫助用戶在一個系統(tǒng)中完成從圖像預(yù)覽到三維細(xì)節(jié)成像再到分析的整個工作流程。