该研究提出了μSAM工具,基于Meta的Segment Anything Model(SAM),用于多维显微镜数据的分割和追踪。通过微调,μSAM显著提升了细胞和细胞核的分割质量,支持交互式和自动分割,提升了数据标注效率,展示了深度学习在生物图像分析中的应用潜力。
本研究评估了预训练的视觉-语言模型在生物相关问题上的应用潜力。通过创建一个包含30,000幅图像和469,000个问答对的数据集,评估了12种最先进的模型,并探讨了提示技术和推理幻觉对模型性能的影响。研究发现,当前的模型在生物图像分析领域具有显著的应用潜力。
完成下面两步后,将自动完成登录并继续当前操作。