南科大Nat.Commun.：基于轻量化深度学习的高效可扩展单分子定位分析框架

本研究提出了一种名为LiteLoc的轻量化深度学习框架，旨在解决单分子定位显微镜（SMLM）在高通量超分辨成像中因深度学习模型复杂度高而导致的处理延时长和资源消耗大的问题。LiteLoc结合了由粗、细特征提取器构成的轻量化网络和可扩展的并行数据分析策略，在8张RTX 4090显卡上实现了超过560 MB/s的吞吐量，能够实时处理高通量超分辨成像数据。实验结果表明，LiteLoc在定位精度上与当前最优算法相当甚至更优，同时显著提升了数据处理效率。该框架为生命科学领域的高效、可扩展成像工作流程提供了解决方案。