We demonstrate a new computational illumination technique that achieves large space-bandwidth-time product, for quantitative phase imaging of unstained live samples in vitro.Microscope lenses can have either large field of view (FOV) or high resolution, not both.Fourier ptychographic microscopy (FPM) is a new computational imaging technique that circumvents this limit by fusing information from multiple images taken with different illumination angles.The result is a gigapixelscale image having both wide FOV and high resolution, i.e. large space-bandwidth product (SBP).FPM has enormous potential for revolutionizing microscopy and has already found application in digital pathology.However, it suffers from long acquisition times (on the order of minutes), limiting throughput.Faster capture times would not only improve imaging speed, but also allow studies of live samples, where motion artifacts degrade results.In contrast to fixed (e.g.pathology) slides, live samples are continuously evolving at various spatial and temporal scales.Here, we present a new source coding scheme, along with real-time hardware control, to achieve 0.8 NA resolution across a 4× FOV with sub-second capture times.We propose an improved algorithm and new initialization scheme, which allow robust phase reconstruction over long time-lapse experiments.We present the first FPM results for both growing and confluent in vitro cell cultures, capturing videos of subcellular dynamical phenomena in popular cell lines undergoing division and migration.Our method opens up FPM to applications with live samples, for observing rare events in both space and time.

Fourier ptychography is a new computational microscopy technique that provides gigapixel-scale intensity and phase images with both wide field-of-view and high resolution.By capturing a stack of low-resolution images under different illumination angles, an inverse algorithm can be used to computationally reconstruct the highresolution complex field.Here, we compare and classify multiple proposed inverse algorithms in terms of experimental robustness.We find that the main sources of error are noise, aberrations and mis-calibration (i.e.model mis-match).Using simulations and experiments, we demonstrate that the choice of cost function plays a critical role, with amplitude-based cost functions performing better than intensitybased ones.The reason for this is that Fourier ptychography datasets consist of images from both brightfield and darkfield illumination, representing a large range of measured intensities.Both noise (e.g.Poisson noise) and model mis-match errors are shown to scale with intensity.Hence, algorithms that use an appropriate cost function will be more tolerant to both noise and model mis-match.Given these insights, we propose a global Newton's method algorithm which is robust and accurate.Finally, we discuss the impact of procedures for algorithmic correction of aberrations and mis-calibration.

Quantitative imaging of biological architecture with fluorescent labels is not as scalable as genomic or proteomic measurements. Here, we combine quantitative label-free imaging and deep neural networks for scalable analysis of complex structures. We reconstruct quantitative three-dimensional density, anisotropy, and orientation in live cells and tissue slices from polarization- and depth-resolved images. We report a computationally efficient variant of U-Net architecture that predicts a 3D fluorescent structure from its morphology and physical properties. We evaluate the performance of our models by predicting F-actin and nuclei in mouse kidney tissue. Further, we report label-free imaging of axon tracts and predict level of myelination in human brain tissue sections. We demonstrate the model's ability to rescue inconsistent labeling. We anticipate that the proposed approach will enable quantitative analysis of architectural order across scales of organelles to tissues.

Abstract The dry mass and the orientation of biomolecules can be imaged without a label by measuring their permittivity tensor (PT), which describes how biomolecules affect the phase and polarization of light. Three-dimensional (3D) imaging of PT has been challenging. We present a label-free computational microscopy technique, PT imaging (PTI), for the 3D measurement of PT. PTI encodes the invisible PT into images using oblique illumination, polarization-sensitive detection and volumetric sampling. PT is decoded from the data with a vectorial imaging model and a multi-channel inverse algorithm, assuming uniaxial symmetry in each voxel. We demonstrate high-resolution imaging of PT of isotropic beads, anisotropic glass targets, mouse brain tissue, infected cells and histology slides. PTI outperforms previous label-free imaging techniques such as vector tomography, ptychography and light-field imaging in resolving the 3D orientation and symmetry of organelles, cells and tissue. We provide open-source software and modular hardware to enable the adoption of the method.

The cell’s shape and motion represent fundamental aspects of the cell identity, and can be highly predictive of the function and pathology. However, automated analysis of the morphodynamic states remains challenging for most cell types, especially primary human cells where genetic labeling may not be feasible. To enable automated and quantitative analysis of morphodynamic states, we developed DynaMorph – a computational framework that combines quantitative live cell imaging with self-supervised learning. To demonstrate the fidelity and robustness of this approach, we used DynaMorph to annotate morphodynamic states observed with label-free measurements of density and anisotropy of live microglia isolated from human brain tissue. These cells show complex behavior and have varied responses to disease-relevant stimuli. DynaMorph generates quantitative morphodynamic representations that can be used to evaluate the effects of disease-relevant perturbations. Using DynaMorph, we identify distinct morphodynamic states of microglia polarization and detect rare transition events between states. The methodologies presented here can facilitate automated discovery of functional states of diverse cellular systems.

Abstract Biological function depends on the spatio-angular architecture of macromolecules - for example, functions of lipid membrane and cytoskeletal polymers arise from both the spatial and the angular organization of the constituent molecules. Correlative imaging of cellular and molecular architecture is valuable across cell biology and pathology. However, current live imaging methods primarily focus on spatial component of the architecture. Imaging the dynamic angular architecture of cells and organelles requires fast polarization-, depth-, and wavelength-diverse measurement of intrinsic optical properties and fluorophore concentration, but remains challenging with current designs. We report a multimodal instant polarization microscope (miPolScope) that combines a broadband polarization-resolved detector, automation, and reconstruction algorithms to enable label-free imaging of phase, retardance, and orientation, multiplexed with fluorescence imaging of concentration, anisotropy, and orientation of molecules at diffraction-limited resolution and high speed. miPolScope enabled multimodal imaging of myofibril architecture and contractile activity of beating cardiomyocytes, cell and organelle architecture of live HEK293T and U2OS cells, and density and anisotropy of white and grey matter of mouse brain tissue across the visible spectrum. We anticipate these developments in joint quantitative imaging of density and anisotropy to enable new studies in tissue pathology, mechanobiology, and imaging-based screens.