SAM Ottimizzato su Dati Sintetici per la Segmentazione dei Mitocondri
I ricercatori propongono di ottimizzare il Segment Anything Model (SAM) su dati di microscopia a fluorescenza generati sinteticamente per superare il problema del domain shift e della scarsità di dati per la segmentazione di istanze mitocondriali. Il metodo simula mitocondri realistici ed emula le proprietà ottiche dei microscopi a fluorescenza per creare dataset annotati su larga scala. Il modello ottimizzato viene valutato su dati curati, con l'obiettivo di migliorare l'analisi morfologica, cruciale per comprendere la salute cellulare, la produzione di energia e la regolazione metabolica.
Fatti principali
- SAM è ottimizzato esclusivamente su dati FM generati sinteticamente.
- I dati sintetici simulano mitocondri realistici ed emulano le proprietà ottiche dei microscopi a fluorescenza.
- Il domain shift dalle immagini naturali alla FM include risoluzione limitata per diffrazione, basso contrasto e reti di organelli sovrapposte.
- Grave mancanza di dataset di segmentazione di istanze annotati manualmente di alta qualità per i mitocondri.
- L'analisi morfologica dei mitocondri in FM è cruciale per la salute cellulare, la produzione di energia e la regolazione metabolica.
- L'articolo è pubblicato su arXiv con ID 2605.31284v1.
- L'approccio fornisce una soluzione scalabile alla scarsità di dati.
- La valutazione viene eseguita su un dataset curato.
Entità
Istituzioni
- arXiv