编辑推荐：
在显微镜图像中识别和描绘细胞结构对于理解复杂的生命过程至关重要。这项任务被称为“分割”，它有一系列的应用，比如分析细胞对药物治疗的反应，或者比较不同基因型的细胞结构。已经有可能对这些生物结构进行自动分割，但专用方法仅在特定条件下有效，使其适应新条件的成本很高。由G?ttingen大学领导的一个国际研究团队现在已经开发出一种方法，通过重新训练现有的基于人工智能的软件Segment Anything，对超过17,000张显微镜图像进行重新训练，其中有超过200万个手工注释的结构。他们的新模型被称为用于显微镜的任何部分，它可以精确地分割组织、细胞和类似结构在各种环境下的图像。为了使研究人员和医生能够使用它，他们还开发了μSAM，这是一种用户友好的软件，可以在显微镜图像中“分割任何东西”。他们的研究成果发表在《自然方法》杂志上。
在显微镜图像中识别和划分细胞结构对于理解生命复杂过程至关重要。这一任务被称为“分割”，它支持多种应用，例如分析细胞对药物治疗的反应，或者比较不同基因型中的细胞结构。虽然已经可以对这些生物结构进行自动分割，但现有的方法仅在特定条件下有效，且将其适应新条件的成本很高。由哥廷根大学领导的一个国际研究团队现在开发了一种方法，通过在超过1.7万张显微镜图像上重新训练现有的基于人工智能的软件Segment Anything，这些图像上有超过200万个人工标注的结构。他们的新模型被称为“Segment Anything for Microscopy”，能够在各种环境中精确分割组织、细胞及类似结构的图像。为了使其可供研究人员和医学医生使用，他们还创建了μSAM这一用户友好的软件，用于在显微镜图像中“分割任何东西”。他们的研究成果发表在《自然·方法》上。
为了将现有的软件适应显微镜学，研究团队首先在一个大型开源数据集上对其进行了评估，结果表明该模型具有用于显微镜分割的潜力。为了提高质量，团队在一个大型显微镜数据集上重新训练了它。这显著提高了模型在细胞、细胞核以及细胞内称为细胞器的微小结构分割方面的性能。
随后，团队创建了他们的软件μSAM，使研究人员和医学医生无需先手动绘制结构或训练特定的人工智能模型即可分析图像。该软件已经在国际上广泛使用，例如在一项关于听力恢复的项目中分析耳部神经细胞，为癌症研究分割人工肿瘤细胞，或者分析火山岩的电子显微镜图像。
“分析细胞或其他结构是显微镜学研究人员面临的最具挑战性的任务之一，也是生物学基础研究和医学诊断中的一项重要任务。”哥廷根大学计算机科学研究所的青年教授康斯坦丁·帕普说，“我的团队专门从事自动化此类任务的工具开发，我们经常被研究人员寻求帮助。在‘Segment Anything for Microscopy’开发之前，我们不得不让他们先人工标注大量结构——这是一项困难且耗时的任务。μSAM改变了这一切！过去需要数周艰苦手工努力的任务现在可以在几小时内自动化完成，因为该模型可以通过几次点击分割任何类型的生物结构，并且可以通过我们的工具进一步改进以自动化任务。这使得许多新应用成为可能，我们已经在从基础细胞生物学研究到开发癌症治疗推荐工具的广泛项目中使用了它。”
生物通微信公众号
生物通 版权所有
