#细胞分割

DeepCell-tf是一个用于生物图像单细胞分析的深度学习库，基于Python和TensorFlow 2构建，提供预训练模型用于图像数据分析，并支持开发新的深度学习模型。其特色包括细胞分割和追踪模型的应用，处理2D、3D图像和时间序列数据。此外，还能结合DeepCell Toolbox、DeepCell Tracking和DeepCell Kiosk等工具进行预处理、追踪和大数据集云端部署。该库支持GPU加速，提供详细文档和示例，方便快速上手和模型训练。

Cellpose是一款开源的细胞分割和图像处理工具,适用于各类生物图像分析。它支持细胞和细胞核的通用分割,可针对特定数据进行优化。Cellpose提供图形界面、API和命令行接口,支持人机交互训练。最新版本还增加了图像去噪、去模糊和上采样等修复功能,进一步提升分割效果。该工具具有高度灵活性和准确性,能满足研究人员的多样化需求。

DeepLIIF是一个开源深度学习框架，用于免疫组织化学(IHC)图像的多重荧光转换和定量分析。它在单步骤中实现染色分离、细胞分割和IHC评分。通过利用IHC和多重免疫荧光配准数据集，DeepLIIF可将IHC图像转换为多重免疫荧光图像，同时提供细胞分割和分类。该项目已部署为云原生平台，支持多种输入格式，并集成MLOps流程，为病理学研究和临床应用提供支持。

CellViT是一种基于Vision Transformer的深度学习方法,用于数字化组织样本中的细胞核自动实例分割。该项目结合了预训练的Vision Transformer编码器和U-Net架构,在PanNuke数据集上取得了领先性能。通过引入加权采样策略,CellViT提高了对复杂细胞实例的识别能力。它能够快速处理千兆像素级全切片图像,并可与QuPath等软件集成,为后续分析提供定位化的深度特征。