AI前沿 | 中国智造VS国际顶刊！倍捷锐以仅4%模型参数实现23.5倍分割速率提升！
在显微镜图像中，精准识别和描绘细胞结构是理解复杂生命过程的关键，这一任务被称为“细胞分割”。细胞分割是基于图像的细胞研究的基石，但其过程面临诸多挑战： 细胞大小、形状的多样化：不同类型、不同生理状态的细胞形态差异巨大，增加了分割的难度。 细胞粘连和重叠导致的弱边界梯度：细胞之间常常出现粘连或重叠，导致边界不清晰，传统方法难以分割。 分割方法的适用性差：分割方法的适用性可能受到数据集约束的限制，包括染色或成像方式的差异，图像捕获中的伪影或形态差异。 自动化和可扩展性：如何在低计算资源环境下实现高效、自动化的细胞分割，仍是亟待解决的问题。 图1：细胞分割难点 前沿速递：细胞分割技术的新进展 近期，由哥廷根大学领导的国际研究团队在Nature Methods上发表了一项突破性的细胞分割技术——Segment Anything for Microscopy（简称μSAM）。 该技术基于现有的人工智能模型Segment Anything进行重新训练，使用了超过1.7万张显微镜图像和200万个人工标注的结构，显著提升了在各种环境中对组织、细胞及细胞器等结构的分割精度。然而，μSAM模型也存在一些局限性： 模型体积大：仅能在配置较高的电脑上运行，对硬件要求较高。 泛化能力有限：对于复杂场景或未训练过的场景，分割效果欠佳。 图2：μSAM概览 倍捷锐破局之道：分割模型的创新应用 倍捷锐以创新为驱动力，直面细胞分割的核心挑战，通过将 EfficientSAM（通用分割模型） 与 Cellpose（专业分割模型） 结合，集成于图像智能分析软件——LFAI（Label-Free AI），成功在速度、参数量和分割精度之间达到了最佳平衡。与μSAM模型相比，倍捷锐的解决方案具有以下优势： 适用于实时应用：在模型大小和分割速度方面，EfficientSAM模型实现了显著优化：其参数量仅为μSAM模型的4%，而推理速度却提升了20倍以上。 分割精度卓越：在分割精度方面，相比μSAM模型，LFAI基于EfficientSAM+Cellpose的组合架构下，能在多种细胞场景实现更高的分割精度。 低资源需求：适合对计算资源要求低，但仍需高质量分割的任务。 表1：μSAM模型 VS EfficientSAM模型 核心应用场景 倍捷锐通过LFAI智能软件，为细胞分割提供了高效、灵活且智能化的解决方案，广泛应用于以下场景： 一键分割：对于细胞数量多的常见细胞类型，倍捷锐通过LFAI软件实现一键分割，极大地简化了操作流程。 灵活分割：针对细胞数量少、场景复杂的图片，LFAI软件提供多样化的分割方式，包括单次点击分割、框选分割以及边缘绘制，满足不同场景下的需求。 AI微调训练：针对细胞数量多、场景复杂的图片，倍捷锐基于EfficientSAM模型快速制备分割样本（仅需100~200个样本），并利用LFAI智能软件进行AI微调训练，快速生成针对复杂场景的专业分割模型，实现一键分割。 图3：LFAI智能软件细胞分割示例 在细胞分割这场微观世界的"像素革命"中，国际顶尖团队打造的μSAM模型虽突破通用性瓶颈，却陷入算力依赖与场景局限的困局。倍捷锐以革命性的"双引擎"架构——融合EfficientSAM模型的轻量化智慧与Cellpose模型的专业化洞察，开创了“便捷”与“通用”兼得的新范式。 在此基础上，倍捷锐更独创"一键智能分割+柔性交互编辑+200样本微调进化"的三维解决方案，使得每位科研人员都能在普通电脑上，用智能画笔解开生命科学的微观密码——让技术回归科研本质，让精准触手可及。
图片来源
图1，3来源于倍捷锐
图2来源于文章Segment Anything for Microscopy
参考文献
[1] Archit A, et al. Segment Anything for Microscopy. Nat Methods. 2025.
[2] Kirillov, Alexander, et al. "Segment anything." Proceedings of the IEEE/CVF international conference on computer vision. 2023.
[3] Xiong, Yunyang, et al. "Efficientsam: Leveraged masked image pretraining for efficient segment anything." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2024.
[4] Stringer C, Wang T, Michaelos M, et al. Cellpose: a generalist algorithm for cellular segmentation[J]. Nature methods, 2021.
[5] Cellpose3: one-click image restoration for improved cellular segmentation[J]. bioRxiv, 2024.
- 收藏
