生物医学图像分割中的数据效率与迁移鲁棒性：基于 Cellpose 的冗余与遗忘研究

诸如 Cellpose 等通用生物医学图像分割模型正日益广泛应用于多种成像模态和细胞类型。然而，两个关键挑战仍有待深入研究：（1）训练数据冗余的程度，以及（2）跨领域迁移对模型保持能力的影响。在本研究中，我们以 Cellpose 为案例，对这些挑战进行了系统的实证分析。首先，为了评估数据冗余，我们提出了一种简单的数据集量化（DQ）策略，用于构建紧凑而多样的训练子集。在 Cyto 数据集上的实验表明，图像分割性能仅使用 10% 的数据即达到饱和，揭示了显著的冗余性和以最少标注进行训练的潜力。使用 MAE 嵌入和 t-SNE 进行的潜在空间分析证实，DQ 选择的图像块比随机采样捕获了更大的特征多样性。其次，为了研究灾难性遗忘，我们进行了跨领域微调实验，并观察到源领域性能的显著下降，特别是在从通用领域适应到专业领域时。我们证明，仅重新引入 5-10% 源数据的基于选择性 DQ 的回放即可有效恢复源领域性能，而完全回放可能会阻碍目标领域适应。此外，我们发现训练领域排序可提高泛化能力并减少多阶段迁移中的遗忘。我们的发现强调了以数据为中心的设计在生物医学图像分割中的重要性，并表明高效训练不仅需要紧凑的子集，还需要保持感知的学习策略和合理的领域排序。代码可在 https://github.com/MMV-Lab/biomedseg-efficiency 获取。