@lillyguisnet: 我博士的第四篇也是最后一篇论文终于发布了！用于生物成像分析的AI程序。我最初的博士项目需要…

X AI KOLs Following 论文
ai-programs bioimaging-analysis sam-model segmentation automation scientific-research phd-work

摘要

一位博士生分享了关于生物成像分析AI程序的论文发布，该程序使用SAM和SAM2模型自动化科学应用中的分割和数据提取。

我博士的第四篇也是最后一篇论文终于发布了！ 用于生物成像分析的AI程序。 我最初的博士项目需要录制大量视频和图像……但还有大量分析。无脑且耗时的点击和圈选。我讨厌它，而且一直拖延。 2019年，有人告诉我“深度学习可以自动帮你完成这些！”我想，“是的，请让我加入！”（哈哈）在许多自定义U-Nets和微调模型之后，它对于科学应用来说仍然不够好。 但是后来。2023年。SAM。我重新燃起了这个想法。令人惊叹。 然后2024年。SAM2。天哪，视频！ 我最终将SAMs作为这些生物成像程序的核心，主要改进分割步骤，沿途进行确定性检查，两次注意力裁剪以提高掩模质量，以及一些特征工程用于最终数据提取。 - 解决了图像中的重叠并排除了碎片。 - 在低视野中实现高质量姿态（仅占总像素的0.25%）。 - 提取活体动物中的神经元活动（我最喜欢的部分，在视频中(: )。 总体而言，自动化分析产生了更多数据，但更重要的是，更高质量的数据！ 这些可能已经过时了（多亏了学术界），而且现在效率可能还能提高，但我最高兴的是展示了当前模型可能足以应对大量生物成像任务！ 减少点击，增加科学性 :) 请查看下方的其他模态
查看原文
查看缓存全文

缓存时间: 2026/09/26 15:01

我博士阶段的第四篇也是最后一篇论文终于发表了！

这篇是关于生物成像分析的AI程序。

我的博士原始项目需要录制大量的视频和图像……但随之而来的是海量的分析工作。那些机械、耗时、需要不断点击和画圈的重复操作，我实在厌恶至极，总是拖延着不想面对。

2019年，有人告诉我：“深度学习可以自动完成这些！“我当时就想：“没错，这正是我需要的！”（笑）虽然尝试了许多定制化的UNet架构和微调模型，但效果始终达不到科研应用的精度要求。

然而转机出现在2023年。SAM模型的出现让我重新燃起了希望——其能力简直令人震撼！接着2024年推出的SAM2更是突破性地支持视频分析！

最终我以SAM模型为核心构建了这套生物成像分析系统，主要着力于优化分割流程：通过确定性校验、双重注意力裁剪提升分割质量，并辅以特征工程实现最终数据提取。

具体实现了：

  • 消除图像重叠区域并排除杂质干扰
  • 在极低视野占比（仅0.25%总像素）下保证高质量姿态捕捉
  • 活体动物神经元活动提取（这是我最自豪的功能，在视频分析部分可见）

这套自动化系统不仅能产出更多数据，更重要的是显著提升了数据质量！

这些方案或许很快会被迭代（学界常态），效率也可能有提升空间，但我最欣慰的是证明了现有模型已能胜任大量生物成像分析任务！

减少机械操作，专注于科学探索 :)

下方展示了其他成像模态的分析案例

相似文章