本文介绍了一种基于深度学习的方法，能够自动识别显微图像中的九种硬木物种，并生成相应的图像数据集。该方法通过灵活的管道注释管胞要素，表现出与人类专家相似的识别能力，未来将有助于改善木纤维产品的流动控制，保护森林资源。

本文综述了显微图像细胞分析的多项进展，涵盖流式细胞术自动门控与聚类算法比较、细胞核无监督分割、基于引力场的细胞检测与跟踪、点式细胞分类、弱监督HoVer-Net计数、可解释深度学习识别正常与转移细胞、虚拟染色、3D多目标跟踪、3D培养细胞存活性图像分析及大规模三维细胞追踪方法。

本文综述了显微图像细胞分割的深度学习方法，包括元学习、Transformer、弱监督和少样本学习，并介绍了多模态基准数据集。研究表明减少标注仍可保持性能，通用化模型是未来方向。