AMAP-APP: 荧光显微镜中真菌足母图像的高效分割与形态量化
计算机视觉与模式识别
2026-02-17 v2
摘要
背景: 自动化足母足沟量化对肾脏研究至关重要，但 established 的 "Automatic Morphological Analysis of Podocytes" (AMAP) 方法受限于高计算需求、缺乏用户界面以及 Linux 依赖。我们开发了 AMAP-APP，这是一个面向跨平台桌面应用程序，旨�克服这些障碍。方法: AMAP-APP 通过替换强大的实例分割来提高效率，同时保留原始语义分割模型。它引入了细化的区域 of interest (ROI) 算法以提高精度。验证包括 365 幅小鼠和人类图像 (STED 和共聚焦)，通过皮尔逊相关和双单侧 T 检验 (TOST) 对原 AMAP 进行基准测试。结果: AMAP-APP 在消费级硬件上实现了 147 倍的处理速度提升。形态量化输出 (面积、周长、圆形度和足沟膜密度) 显示出高度相关 (r>0.90) 和统计等价 (TOST P<0.05) 与原方法。此外，新的 ROI 算法相对于原方法显示出更高的准确性，显示出对手动描绘的偏离程度更小。结论: AMAP-APP 使深度学习基于足母形态量化民主化。通过消除对高性能计算集群的需求并为 Windows、macOS 和 Linux 提供用户友好的界面，它使其在肾病学研究和潜在临床诊断中获得广泛采用。
引用
@article{arxiv.2602.10663,
title = {AMAP-APP: Efficient Segmentation and Morphometry Quantification of Fluorescent Microscopy Images of Podocytes},
author = {Arash Fatehi and David Unnersjö-Jess and Linus Butt and Noémie Moreau and Thomas Benzing and Katarzyna Bozek},
journal= {arXiv preprint arXiv:2602.10663},
year = {2026}
}