Nat Methods | 戴琼海/吴嘉敏团队提出对比学习细胞表征架构，引领大规模三维细胞分割与追踪
BioArt
2025-10-23 08:34
文章摘要
本文针对大规模三维细胞追踪面临的标注困难、计算效率低等挑战，提出基于对比学习的CELLECT架构。研究背景源于介观活体成像技术生成TB级三维影像时，传统方法难以实现高效准确的细胞检测与轨迹连接。研究目的是通过中心点驱动的对比嵌入学习，仅需稀疏标注即可在潜在空间中优化细胞特征匹配，突破标注与计算瓶颈。结论表明该方法在跨模态数据中保持56倍速度提升和最优追踪精度，在免疫应答和神经活动等场景验证其鲁棒性，为生命科学提供通用分析工具。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Molecular Prosthetics and CFTR Modulators Additively Increase Secretory HCO<sub>3</sub><sup>-</sup> Flux in Cystic Fibrosis Airway Epithelia.
DOI: 10.1021/acschembio.5c00473
Pub Date : 2025-10-20
Synthetic Mammalian RNA-Based Auxiliary Module for High Gene Expression.
DOI: 10.1021/acssynbio.5c00019
Pub Date : 2025-10-21
CELLECT: contrastive embedding learning for large-scale efficient cell tracking.
DOI: 10.1038/s41592-025-02886-x
Pub Date : 2025-10-20
BioArt
干货 | 蛋白质印迹（WB）成功指南下载.
13小时前
最新文章
京公网安备 11010802042870号
