研究进展：CelloType-图像分割/分类 | Nature Methods

近日，美国宾夕法尼亚大学的研究团队在Nature Methods上发表了一项关于空间组学数据分析的重要研究。该研究提出了一种名为CelloType的端到端模型，专门用于细胞图像的分割和分类。与传统的两阶段方法不同，CelloType采用多任务学习策略，同时提高了图像分割和细胞分类的性能。该模型利用基于Transformer的深度学习技术，显著提升了对象检测、图像分割和分类的准确性。实验结果表明，CelloType在多重荧光和空间转录组图像上的表现优于现有方法，并在细胞类型分类方面超越了最先进的方法。此外，CelloType在多尺度组织图像的分割和分类中也展示了其效用，促进了空间组学数据的自动注释。