摘要
长期以来，生物学家在利用电子显微镜（EM）图像构建完整细胞及其细胞器的纳米级三维模型时，受限于成像与分析技术，只能处理少量细胞及细胞结构，这一局限严重制约了对细胞环境复杂多样性的深入理解。尽管现代电子显微镜能够生成包含大量细胞的千兆像素（gigavoxel）级图像数据集，但人工对图像特征进行精确分割耗时极长，成为构建细胞三维模型的主要瓶颈。基于卷积神经网络的分割算法虽可快速处理大规模图像数据，但在达到电子显微镜任务所需的高精度目标方面，仍面临挑战。本文将密集细胞分割定义为一项多类别语义分割任务，旨在实现对细胞及其大量细胞器的精细建模，并以人类血小板为例进行展示。我们提出一种新型混合2D–3D分割网络算法，能够生成精度显著优于基线方法、并接近人类标注者水平的密集细胞分割结果。据我们所知，本研究是首次公开发表的、能够以如此高结构细节水平实现细胞模型自动化构建的方法。