要約
細胞電子顕微鏡（EM）データセットの自動セグメンテーションは、依然として課題である。領域の注釈（ROI）に依存する教師あり深層学習（DL）手法は、関連のないデータセットへの一般化能力に欠けるモデルを生成する。一方、近年の教師なしDLアルゴリズムは、関連する事前学習画像を必要とするが、現時点で入手可能なEMデータセットを用いた事前学習は計算コストが高く、また異なる生物学的文脈においてはほとんど価値を示さない。これは、これらのデータセットが大規模かつ均質であるためである。本研究では、この問題に対処するため、100以上の無関係な画像化プロジェクトから収集された約600の三次元（3D）および10,000の二次元（2D）画像を基に、50万枚の独自な細胞EM画像から構成される25 GBの軽量データセット「CEM500K」を提案する。我々は、CEM500Kで事前学習されたモデルが生物学的に意味のある特徴を学習し、意味のある画像増強に対して頑健であることを示した。特に、これらの事前学習モデルを用いた転移学習を、公開されている6つのベンチマークセグメンテーションタスクおよび新たに構築された1つのタスクにおいて評価し、すべてのタスクで最先端の性能を達成した。本研究では、CEM500Kデータセット、事前学習済みモデル、およびデータ収集パイプラインをEMコミュニティに公開し、モデル構築および今後の拡張に貢献することを目的としている。