通用细胞分割算法

Ayyadhury, Shamini; Ge, Cheng; Gupta, Anubha; Gupta, Ritu; Lee, Gihun; Wei, Lou; Li, Haofeng; Upschulte, Eric; Dickscheid, Timo; Almeida, José Guilherme De; Wang, Yixin; Yang, Xin; Labagnara, Marco; Gligorovski, Vojislav; Rahi, Sahand Jamal; Kempster, Carly; Pollitt, Alice Y.; Mignot, Tâm; Middeke, Jan Moritz; Eckardt, Jan Niklas; Li, Zhaoyang; Greenwald, Noah F.; van Valen, David A.; Erin, Weisbart; Cimini, Beth A.; Brück, Oscar; Bader, Gary D.; Wang, Bo

通用细胞分割算法

免调参跨模态

一种基于Transformer的深度学习算法，无需人工调整参数即可适用于多种显微成像模态和组织的细胞分割。

Ayyadhury, Shamini · Ge, Cheng · Gupta, Anubha · Gupta, Ritu · Lee, Gihun · Wei, Lou · 李灏峰 · Upschulte, Eric · Dickscheid, Timo · Almeida, José Guilherme De · Wang, Yixin · 杨欣 · Labagnara, Marco · Gligorovski, Vojislav · Rahi, Sahand Jamal · Kempster, Carly · Pollitt, Alice Y. · Mignot, Tâm · Middeke, Jan Moritz · Eckardt, Jan Niklas · Li, Zhaoyang · Greenwald, Noah F. · van Valen, David A. · Erin, Weisbart · Cimini, Beth A. · Brück, Oscar · Bader, Gary D. · Wang, Bo

Nature Methods 2024

参数信息

标注图像数: 1500
生物实验数: 50

技术优势

无需调参跨模态

Transformer 架构的深度学习算法在不同成像平台和组织类型上直接适用。

超过现有方法

top participants 开发的 Transformer 算法在分割性能上优于现有方法。

大规模标注基准

包含超过 1,500 张来自 50 多个实验的图像，覆盖多种成像模态。

应用场景

显微图像分析：无需针对特定模态调参，直接集成到分析流程。
单细胞分析：提供通用细胞分割前端，加速单细胞定量分析。
通用分割模型：跨成像平台和组织类型泛化，省去针对新数据的训练。