脑-SAM:用于脑科学图像的基于SAM的一般自动细分模型
Shilong Zhang1, Peicong Gong1, Hong Zhang1
1State Key Laboratory of Digital Medical Engineering, Key Laboratory of Biomedical Engineering of Hainan Province, School of Biomedical Engineering, Hainan University, Sanya 572025, China.
Biomedical optics express
|February 16, 2026
概括
大脑-SAM 增强了微观图像细分,使用基于细分任何模型 (SAM) 的新方法. 这种自动化方法在生物医学成像任务中实现了卓越的准确性和效率.
科学领域:
- 生物医学成像学 生物医学成像学
- 计算机视觉 计算机视觉 计算机视觉
- 显微镜的使用方法
背景情况:
- 微观光学图像细分至关重要,但具有挑战性.
- 分段任何模型 (SAM) 显示了自然图像分割的前景.
研究的目的:
- 开发Brain-SAM,用于微观光学图像的自动细分模型.
- 提高生物医学中图像细分的效率,准确性和稳定性.
主要方法:
- 使用分段任何模型 (SAM) 作为基础.
- 引入了用于高通量细分的自动提示编码器.
- 开发了一个细分优化器来提高性能.
主要成果:
- 在8个基准数据集中,Brain-SAM在大多数任务中表现优于专业模型.
- 在Brain (98.07%, 99.03%),Tek (93.13%, 96.44%) 和Lectin3d (88.49%, 93.89%) 数据集上获得了高的IOU和子得分.
- 发布了新的,公开可用的脑科学图像数据集.
结论:
- 脑SAM为显微镜图像分割提供了一个强大的,自动化的解决方案.
- 该模型显示了推动生物医学研究和分析的巨大潜力.
- 公共可用的数据集将促进进一步的脑科学成像研究.


