[Nat. Biotechnol. | 论文简读] 利用大规模数据标注和深度学习对组织图像进行具有人类水平表现的全细胞分割

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