MONET——基于参考一致性扩散的亮场图像与时间序列虚拟细胞绘画
计算机视觉与模式识别
2025-12-16 v1 人工智能
摘要
细胞绘画是一种创建人类可读的、高对比度细胞形态图像的流行技术。细胞绘画存在两个主要问题：（1）它劳动密集，（2）它需要化学固定，使得细胞动态研究不可能进行。我们在一个大型数据集上训练扩散模型（形态学观测神经增强工具，即 MONET），以从亮场图像预测细胞绘画通道。我们表明模型质量随规模提升而改善。该模型使用一致性架构来生成延时视频，尽管无法获得细胞绘画视频训练数据。此外，我们表明这种架构实现了某种上下文学习，使模型能够部分迁移到分布外的细胞系和成像协议。虚拟细胞绘画并非旨在完全替代物理细胞绘画，而是作为补充工具，使生物学研究中的新工作流程成为可能。
引用
@article{arxiv.2512.11928,
title = {MONET -- Virtual Cell Painting of Brightfield Images and Time Lapses Using Reference Consistent Diffusion},
author = {Alexander Peysakhovich and William Berman and Joseph Rufo and Felix Wong and Maxwell Z. Wilson},
journal= {arXiv preprint arXiv:2512.11928},
year = {2025}
}