基于文章标题和摘要内容，为研究拟定一个有专业性且吸引人、能表明研究意义的中文标题如下： 基于盲去卷积技术的病毒样颗粒自动定量与形态分析新方法——EpiVirQuant

《BMC Methods》：Resolving and quantifying viral-like particles via blind deconvolution

本文介绍了一种名为EpiVirQuant的全新、自动化计算机视觉框架，用于自动计数和测量病毒样颗粒(VLPs)。该工具通过创新的可调点扩散函数(tPSF)进行盲去卷积，有效克服了传统落射荧光显微镜(EFM)技术在分辨率、手动计数误差和形态尺寸测量缺失方面的固有挑战。研究表明，EpiVirQuant能够实现快速（单图像分析约60-80秒）、准确的VLP定量和形态分析，为大尺度环境病毒组学研究提供了一个成本效益高的概念验证方案。

　　

背景

病毒是地球上数量最为庞大的“生物实体”，其直接定量对理解全球生物地球化学循环至关重要。落射荧光显微镜(EFM)是病毒样颗粒(VLPs)定量的金标准方法，但其一直受限于人工计数耗时费力、无法提供准确的形态尺寸，以及多数病毒尺寸低于光学显微镜衍射极限（约250 nm）等挑战。

方法

研究者提出并验证了一个名为EpiVirQuant的计算机视觉概念验证框架。该软件对来自环境或临床样本的VLP落射荧光显微镜图像进行分析，通过四个核心步骤实现自动定量与尺寸测量：。

1. 1.
   优化框选择：在选定用于校准的DAPI通道图像(X_B)中，通过Otsu算法进行粗略对象分割，并选择一对距离最近的微球对，在其周围添加一个填充区域以定义优化框。
2. 2.
   盲去卷积：这是一个关键创新步骤。在没有先验成像设备点扩散函数(PSF)知识的情况下，EpiVirQuant引入了一种新颖的可调点扩散函数(tPSF)，其基于伽马函数表达。通过遍历一组预定义的参数（滤波器尺寸f_sz、周期性控制参数τ、垂直拉伸参数v），利用改进的Richardson-Lucy(RL)算法对优化框进行迭代去卷积。为了评估性能并选择最优tPSF参数，计算了每次迭代后图像的香农熵和灰度共生矩阵(GLCM)能量，目标是找到使两者差异绝对值的优化参数组合。
3. 3.
   尺寸校正因子的推导：利用tPSF对所有可用的DAPI通道图像进行去卷积和分割，计算所有检测到的微球的平均尺寸(μ_obj)。通过将已知微球尺寸（制造商规格为175±5 nm）与μ_obj进行比较，推导出一个尺寸校正系数(?)，用于校正观察到的表观尺寸与真实尺寸之间的系统性偏差。
4. 4.
   VLPs的计数和尺寸测量：将最优tPSF和尺寸校正系数(?)应用于所有FITC通道的VLP图像(X_G)，进行去卷积和分割。对分割后的对象，利用线性偏心率(c_m)和尺寸阈值进行异常值检测，最终输出VLP的计数量和尺寸分布。

结果

校准图像选择的影响：研究发现，校准图像(X_cal)的选择会显著影响推导出的tPSF和最终的大小估计。在测试的26幅DAPI通道图像中，仅有6幅产生的平均微球尺寸(μ_obj)低于200 nm。测量误差(σ_obj)与平均尺寸(μ_obj)之间存在较强的正相关性(r=0.79)。这些结果表明，在实际应用中，选择高质量的校准图像是至关重要的。

tPSF的性能基准测试：研究将提出的tPSF与常用的高斯PSF和归一化全一矩阵PSF进行了比较。结果表明，在给定目标微球尺寸（175 nm）的情况下，tPSF收敛所需的Richardson-Lucy迭代次数最少（N_RL=114），并且在迭代过程中对引入小伪影（表现为检测对象数量N_obj的爆炸性增长）具有更强的鲁棒性。相比之下，其他PSF在N_RL较小时就会导致N_obj剧增到10⁶数量级。obj vs. N_RLand N_objvs. N_RLfor case 1–3 PSFs.">。

VLPs的计数与尺寸测量：应用EpiVirQuant对26张FITC通道图像进行分析，并与专家人工计数进行了对比。软件总计识别出2475个VLP，仅比人工计数的2472个多出约0.1%。最终，通过移除尺寸大于500 nm的异常对象（9个，约0.4%）以及通过线性偏心率筛选掉的极端或模糊候选对象，EpiVirQuant的最终计数为2466个VLP，比人工计数多约2%。。所有VLP的平均直径约为174.53 nm，标准差为16.29 nm，这与高盐度环境中所报告的VLP尺寸范围一致。约87.8%的VLP尺寸落在100至220 nm之间。图像处理的计算时间取决于RL迭代次数，在N_RL=80和114时，每张图像的处理时间分别为约60.6秒和84.8秒。

讨论

本研究提出并验证了首个用于病毒样颗粒自动计数和形态尺寸测量的概念验证框架——EpiVirQuant。其核心创新在于引入了基于香农熵和灰度共生矩阵能量优化的可调点扩散函数(tPSF)，通过盲去卷积技术有效克服了EFM的衍射极限限制，能够分辨原本因艾里斑重叠而看起来融合的紧密颗粒。该方法与专家人工计数的结果高度一致，并首次通过引入已知尺寸的荧光微球实现了VLP的自动化、高精度的形态学分析。

然而，研究也指出了当前面临的挑战，包括样品中不同核酸类型（如单链/双链、DNA/RNA）、脂质和蛋白质含量差异对荧光信号的影响，以及过滤步骤可能遗漏大病毒等问题。未来的工作将扩展EpiVirQuant的应用范围，使其能够直接在复杂的微生物环境中（如微生物垫）同时对细菌、古菌和病毒进行计数和尺寸测量。此外，该软件生成的二值化掩码可直接用作深度学习模型（如卷积神经网络）的训练数据，从而开发出适用于各类生态系统（水生、陆地、人体或人造环境）的强大、自动化的微生物定量预测工具。总体而言，EpiVirQuant为大规模、低成本的VLP形态分析及全球病毒组的探索迈出了重要一步。