Seg and Ref:一种新开发的工具集,用于人工智能驱动的细分和交互式精细化,用于节省劳动力的三维重建
Satoru Muro1, Takuya Ibara2, Akimoto Nimura2
1Department of Clinical Anatomy, Graduate School of Medical and Dental Sciences, Institute of Science Tokyo, Tokyo, Japan.
Microscopy (Oxford, England)
|March 4, 2025
概括
我们开发了"Seg & Ref",这是一款用于自动化3D重建的AI驱动工具集. 这种用户友好的工作流简化了细分和掩码编辑,增强了不需要编程知识的形态研究.
科学领域:
- 发展生物学 发展生物学
- 计算生物学 计算生物学
- 形态学 形态学 形态学
背景情况:
- 传统的3D重建是劳动密集型,因为手动细分.
- 现有的自动化细分工具缺乏对形态学家的用户友好的界面.
研究的目的:
- 通过使用直观的工具集,展示一个基于人工智能的3D重建工作流.
- 为了解决手动细分和复杂的现有工具的局限性.
主要方法:
- 开发了"Seg & Ref",这是一个用于人工智能驱动的细分和面具编辑的交互式工具集.
- 使用"SAM2 GUI for Img Seq"与Segment Anything Model 2进行基于Web的GUI的自动细分.
- 采用"分段编辑器PP" (基于PowerPoint) 来进行交互式的面具改进.
- 使用3D Slicer重建的3D模型.
主要成果:
- 成功重建了卡内基15期人类胚胎的关键结构,包括脊髓,心脏和肝脏.
- 在3D模型中实现了准确的空间关系和形态学.
- 为3D重建工作流程展示了一种节省劳动力的方法.
结论:
- "Seg & Ref"工具集为3D重建提供了一种多功能且易于使用的解决方案.
- 这种工作流通过用户友好的界面提供精确的细分来增强形态研究.
- 消除了对编程专业知识的需求,使先进的3D重建更容易获得.
