.png){kind=icon}
返回
CellSAM: a foundation model for cell segmentation
.png){kind=icon}
OA
AI
DOI：10.1038/s41592-025-02879-w.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
细胞是生物组织的基本单元，而在成像数据中识别它们——即细胞分割——是各种细胞成像实验中的关键任务。尽管深度学习方法在该问题上取得了显著进展，但大多数模型都是专业模型，仅适用于特定领域，无法跨领域应用或难以适应大量数据。在此，我们提出CellSAM，一种适用于细胞分割的通用模型，能够泛化至多样化的细胞成像数据。CellSAM在Segment Anything Model（SAM）的基础上构建，通过开发一种用于掩码生成的提示工程方法。我们训练了一个目标检测器CellFinder，用于自动检测细胞并提示SAM生成分割结果。我们证明，这种方法使单一模型能够实现哺乳动物细胞、酵母和细菌图像分割的人类水平性能，这些图像通过多种成像模态采集。我们展示CellSAM具有强大的零样本性能，并可通过少量示例通过少样本学习得到改进。此外，我们演示了CellSAM如何应用于多样化的生物图像分析工作流程。CellSAM的部署版本可在 https://cellsam.deepcell.org/ 获取。CellSAM使用目标检测器CellFinder检测细胞，并提示Segment Anything Model（SAM）生成分割结果。这一通用模型在涵盖哺乳动物细胞、酵母和细菌的多种生物成像数据上实现了人类水平的性能。
Keyword:
Cell segmentation
Deep learning
Universal model
CellFinder
Segment Anything Model
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
32.1
论文数:
7.2K
被引数:
12.7W
机构
引用论文
分享收藏nucleAIzer: A Parameter-free Deep Learning Framework for Nucleus Segmentation Using Image Style Transfer.png)
CELL SYSTEMSOAAI
CELL SYSTEMSIF7.7
OAAI分享收藏分享收藏分享收藏ProtTrans: Toward Understanding the Language of Life Through Self-Supervised LearningProtTrans: 通过自我监督学习来理解生活语言OAAI
OAAI分享收藏Scaling biological discovery at the interface of deep learning and cellular imagingNATURE METHODS
NATURE METHODSIF32.1
PREAI
分享收藏Limits on information transduction through amplitude and frequency regulation of transcription factor activityELIFE
OAAI
ELIFEIF0
OAAI分享收藏In Situ Transcription Profiling of Single Cells Reveals Spatial Organization of Cells in the Mouse Hippocampus单细胞的原位转录谱分析揭示了小鼠海马中细胞的空间组织NEURONOAAI
NEURONIF15
OAAI分享收藏Spatial regulation of AMPK signaling revealed by a sensitive kinase activity reporterNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容