细胞SAM:细胞细分的基础模型
Uriah Israel1,2, Markus Marks3,2, Rohit Dilip2
1Division of Biology and Biological Engineering, Caltech.
bioRxiv : the preprint server for biology
|December 4, 2023
概括
细胞细分现在是普遍的CellSAM,一个新的深度学习模型. 该工具可以在多种细胞类型和成像中进行概括,实现人类水平的性能,以准确识别细胞.
科学领域:
- 生物图像分析分析
- 细胞成像 细胞成像
- 深度学习是一种深度学习.
背景情况:
- 精确的细胞细分对于生物研究至关重要.
- 现有的深度学习模型通常是域特定的,缺乏可扩展性.
- 需要一种通用细胞细分模型来解决这些局限性.
研究的目的:
- 开发CellSAM,一个通用模型,用于一般化的细胞细分.
- 为了在各种细胞成像数据中实现精确的细胞识别.
- 为生物图像分析工作流提供可扩展和适应的解决方案.
主要方法:
- 使用了细分任何模型 (SAM) 以一种新的提示工程方法.
- 开发了CellFinder,这是一个对象检测器,用于自动检测细胞和SAM提示.
- 评估了CellSAM在各种成像方式上的哺乳动物细胞,酵母和细菌的性能.
主要成果:
- 在不同数据集的细胞细分方面,CellSAM实现了人类水平的性能.
- 展示了强大的零射击泛化能力.
- 通过少数镜头学习和在各种生物图像分析任务中的适用性来表现出更好的性能.
结论:
- 细胞SAM为细胞细分提供了通用和可扩展的解决方案.
- 该模型在不同的细胞类型和成像条件中有效地概括.
- 细胞SAM代表了自动化生物图像分析的重大进步.
