1，光源、光路高度整合通过精密的设计，将飞秒激光器、扫描振镜、PMT、滤光片组，甚至是单光子荧光光路全套整合在一个不大的扫描头内，无论扫描头如何移动，扫描头内的光路都可以保持稳定不变，从而实现了超稳定、免维护的特点。2，配合多维度、高精度机械控制系统。扫描头直接架设在一个多维运动的机械装置上，可沿任意方向和角度移动扫描头，方便对动物样本进行多方位的扫描观察。而这在常规方案的多光子显微镜上有很大的实现难度，不但需要多个关节组合的光路导向机构，并且在这些关节旋转的时候，都冒着极大的光路偏移的风险，以至于在使用一段时间后都需要对光路进行再次校准，而这样的问题在我司上则完全不会发生。3.一机多能。光子显微镜利用光学透镜和光学元件将样品中的光反射或透射到目镜中，从而形成图像。啮齿类多光子显微镜成像深度

某种物质能产生荧光，首要条件是分子必须具有吸收的结构，即生色团（分子中具有吸收特征频率的光能的基团）。其次，该物质必须具有一定的量子产率和适宣的环境。我们把分子中发射荧光的基团称为荧光团。荧光团一定是生色团，但生色团不一定是荧光团。因为，如果生色团的量子产率等于零，就不能发射出荧光，处于激发态的分子，可以由许多方式（如热，碰撞）把能量释放出来，发射荧光只是其中的一种方式。此外，一种物质吸收光的能力及量子产率又与物质所处的环境密切相关。啮齿类多光子显微镜成像深度双光子荧光显微镜是结合了激光扫描共聚焦显微镜和双光子激发技术的一种新技术。

单光子激发荧光的过程，就是荧光分子吸收一个光子，从基态跃迁到激发态，跃迁以后，能量较大的激发态分子，通过内转换把部分能量转移给周围的分子，自己回到比较低电子激发态的比较低振动能级。处于比较低电子激发态的比较低振动能级的分子的平均寿命大约在10s左右。这时它不是通过内转换的方式来消耗能量，回到基态，而是通过发射出相应的光量子来释放能量，回到基态的各个不同的振动能级时，就发射荧光。因为在发射荧光以前已经有一部分能量被消耗，所以发射的荧光的能量要比吸收的能量小，也就是荧光的特征波长要比吸收的特征波长来的长。

单束扫描技术可以高速遍历大视场（FOV）的神经组织：使用MPM对神经元进行成像时，通过随机访问扫描—即激光束在整个视场上的任意选定点上进行快速扫描—可以只扫描感兴趣的神经元，这样不仅避免扫描到任何未标记的神经纤维，还可以优化激光束的扫描时间。随机访问扫描（图1）可以通过声光偏转器（AOD）来实现，其原理是将具有一个射频信号的压电传感器粘在合适的晶体上，所产生的声波引起周期性的折射率光栅，激光束通过光栅时发生衍射。通过射频电信号调控声波的强度和频率从而可以改变衍射光的强度和方向，这样使用1个AOD就可以实现一维横向的任意点扫描，利用1对AOD，结合其他轴向扫描技术可实现3D的随机访问扫描。但是该技术对样本的运动很敏感，易出现运动伪影。目前，快速光栅扫描即在FOV中进行逐行扫描，由于利用算法可以轻松解决运动伪影而被普遍的使用。目前中国显微镜中如多光子显微镜、共聚焦扫描和电子显微镜等。

对于双光子成像而言，离焦和近表面荧光激发是两个比较大的深度限制因素，而对于三光子成像这两个问题大大减小，但是三光子成像由于荧光团的吸收截面比2P要小得多，所以需要更高数量级的脉冲能量才能获得与2P激发的相同强度的荧光信号。功能性3P显微镜比结构性3P显微镜的要求更高，它需要更快速的扫描，以便及时采样神经元活动；需要更高的脉冲能量，以便在每个像素停留时间内收集足够的信号。复杂的行为通常涉及到大型的大脑神经网络，该网络既具有局部的连接又具有远程的连接。要想将神经元活动与行为联系起来，需要同时监控非常庞大且分布普遍的神经元的活动，大脑中的神经网络会在几十毫秒内处理传入的刺激，要想了解这种快速的神经元动力学，就需要MPM具备对神经元进行快速成像的能力。快速MPM方法可分为单束扫描技术和多束扫描技术。突破光学成像技术的限制，多光子显微镜为科研工作提供新思路。布鲁克多光子显微镜代理商

精确测量细胞结构与功能，多光子显微镜技术走在科技前沿。啮齿类多光子显微镜成像深度

与传统的单光子宽视野荧光显微镜相比，多光子显微镜（MPM）具有光学切片和深层成像等功能，这两个优势极大地促进了研究者们对于完整大脑深处神经的了解与认识。2019年，JeromeLecoq等人从大脑深处的神经元成像、大量神经元成像、高速神经元成像这三个方面论述了相关的MPM技术[1]。想要将神经元活动与复杂行为联系起来，通常需要对大脑皮质深层的神经元进行成像，这就要求MPM具有深层成像的能力。激发和发射光会被生物组织高度散射和吸收是限制MPM成像深度的主要因素，虽然可以通过增加激光强度来解决散射问题，但这会带来其他问题，例如烧坏样品、离焦和近表面荧光激发。增加MPM成像深度比较好的方法是用更长的波长作为激发光。啮齿类多光子显微镜成像深度

免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。