简读分享 | 蒋一 编辑 | 赵晏浠
论文题目
Whole-cell segmentation of tissue images with human-level performance using large-scale data annotation and deep learning
论文摘要
组织成像数据分析的一个主要挑战是：细胞分割--识别图像中每个细胞的精确边界的任务。为了解决这个问题，作者构建了TissueNet，这是一个用于训练分割模型的数据集，它包含了超过100万个手动标记的细胞，比之前发布的所有分割训练数据集多了一个数量级。作者使用TissueNet来训练Mesmer，这是一种支持深度学习的分割算法。作者证明了Mesmer比以前的方法更准确，能够适用于TissueNet中所有的组织类型和成像平台，并且达到了人类水平的表现。Mesmer能够自动提取关键的细胞特征，如蛋白质信号的亚细胞定位，这在以前的方法中是具有挑战性的。然后，作者对Mesmer进行了调整，以利用高度复用的数据集中的细胞信息，并量化人类妊娠期的细胞形态变化。
论文链接
https://www.nature.com/articles/s41587-021-01094-0
