细胞实例分割的基础模型回归研究
计算机视觉与模式识别
2026-03-19 v1
摘要
细胞分割是显微镜图像分析中的基础任务。几乎所有针对细胞分割引入的基础模型都是 Segment Anything Model (SAM) 的扩展，旨在为显微镜数据改进其性能。最近，SAM2 和 SAM3 被发表，进一步提升并扩展了通用分割基础模型的能力。本文全面评估了用于细胞分割的基础模型（CellPoseSAM、CellSAM、SAM）以及通用分割模型（SAM、SAM2、SAM3），并应用于多样化的（光学）显微镜数据集，涵盖细胞、细胞核和器官团块分割等任务。此外，我们引入一种新的实例分割策略，称为自动提示生成 (APG)，可进一步提高基于 SAM 的显微镜基础模型性能。APG 在 SAM 上 consistently 改善了分割结果，与最先进的模型 CellPoseSAM 持平。而且，我们的工作为 SAM 风格模型适应显微镜提供了重要经验，并为创建更强大的显微镜基础模型提供了策略。我们的代码已公开于 https://github.com/computational-cell-analytics/micro-sam。
引用
@article{arxiv.2603.17845,
title = {Revisiting foundation models for cell instance segmentation},
author = {Anwai Archit and Constantin Pape},
journal= {arXiv preprint arXiv:2603.17845},
year = {2026}
}
备注
Published in MIDL 2026