识别和描绘显微镜图像中的细胞结构对于理解生命复杂过程至关重要。这项任务被称为“分割”，它使分析细胞对药物治疗的反应或比较不同基因型的细胞结构等应用成为可能。尽管之前已经可以进行这些生物结构的自动分割，但专用方法仅在特定条件下有效，适应新条件的成本很高。
由德国哥廷根大学领导的国际研究团队现在通过重新训练现有的基于AI的软件Segment Anything，在超过17,000张显微镜图像上进行了超过200万个手工标注的结构训练，开发了一种新的模型。这个新模型称为Segment Anything for Microscopy（SAM），可以在各种环境中精确分割组织、细胞和类似结构的图像。为了使研究人员和医生能够使用该模型，他们还创建了一个用户友好的软件μSAM，用于“分割任何东西”的显微镜图像。
为了将现有软件适应显微镜，研究团队首先在一个大型开源数据集上评估了该模型，展示了其在显微镜分割方面的潜力。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模型。这显著提升了模型在细胞、细胞核和细胞内微小结构（如细胞器）分割方面的性能。随后，团队创建了μSAM软件，使研究人员和医生无需手动绘制结构或训练特定的AI模型即可分析图像。
哥廷根大学计算机科学研究所的青年教授Constantin Pape表示：“分析细胞或其他结构是从事显微镜工作的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疗诊断的重要任务。我的团队专门开发工具来自动化这些任务，经常有研究人员寻求帮助。在开发Segment Anything for Microscopy之前，我们不得不要求他们先手动标注大量结构——这是一项困难且耗时的任务。μSAM改变了这一切！以前需要数周才能完成的手动工作现在只需几个小时即可自动化完成，因为模型只需几次点击即可分割任何类型的生物结构，并可以通过我们的工具进一步改进以实现任务自动化。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到癌症治疗推荐工具开发等多个项目中使用了它。”
他们的研究成果发表在《自然方法》杂志上。
(全文结束)
