.png){kind=icon}
返回
Multilevel-prompt foundation model for nematode instance segmentation
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/ae46b3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标：精确的线虫实例分割在生物医学信息学中至关重要，能够实现线虫的快速检测和定位，为人类衰老机制、药物筛选和神经疾病等生物医学研究提供数据支持。尽管视觉基础模型在通用图像分割任务中表现出色，但由于线虫具有多尺度变化、卷曲形态和频繁遮挡等复杂特征，其分割精度会显著下降。因此，我们提出了一种多级提示的分割任意模型（SAM）架构，以提升分割精度。
方法：本研究利用SAM作为基础框架，系统性地探究了其在多种提示策略下的少样本学习性能，实验涵盖了三个公开线虫数据集以及中国载人航天工程项目的私有数据集。所提出的创新架构依次整合全局点提示和局部框提示，为多尺度线虫实例分割提供增强的多视角指导。为评估本方法的有效性，我们将其与原始点提示SAM和微调的单级提示SAM模型进行了对比实验，并与基线模型进行了比较。
结果：实验结果表明，多级提示SAM展现出更优的性能，在所有数据集上均显著提升了分割精度。以、和、Dice分数及豪斯多夫距离作为评估指标，本方法在小尺度线虫目标上相较于Mask2former和OMGSeg，在Mating数据集上分别实现了15.21%和3.51%的性能提升。
结论：本研究验证了所提方法在利用计算机视觉技术分析生物医学实验和中国空间站实验数据方面的实际适用性，凸显了其在推动基础生命科学研究方面的潜力。
Keyword:
nematode instance segmentation
Segment Anything Model
multilevel-prompt
biomedical informatics
few-shot learning
期刊
IF:
3.4
论文数:
2.6K
被引数:
2.3W
机构
引用论文
Annotated high-throughput microscopy image sets for validation用于验证的带注释的高通量显微镜图像集.png)
NATURE METHODS
OAAI
NATURE METHODSIF32.1
OAAI分享收藏分享收藏分享收藏The Parallel Worm Tracker: A Platform for Measuring Average Speed and Drug-Induced Paralysis in NematodesPLoS ONEOAAI
PLoS ONEIF0
OAAI分享收藏
BiSeNet V3: Bilateral segmentation network with coordinate attention for real-time semantic segmentationNEUROCOMPUTINGOAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏TPS-YOLOv8n: an advanced algorithm for small object detection in complex maritime search and rescue scenarios using unmanned aerial vehicle imageryTPS-YOLOv8n：一种基于无人机图像的复杂海上搜救场景中小目标检测的高级算法
PREAI
分享收藏
查看更多内容