- 综合排序
- 最热优先
- 最新优先
- 来自专栏Visium HD
Visium HD使用Cellpose进行细胞分割-补充
，看来大家对使用Cellpose进行细胞分割很感兴趣，这里我对比较有代表性的几个问题做些补充说明。 Cellpose细胞分割，超参数diameter对结果影响很大，有没有好的方法推荐？ cellpose细胞分割中有几个比较重要的参数，官方文档也有详细介绍(https://cellpose.readthedocs.io/en/latest/settings.html)，其中diameter 这里可以使用Cellpose提供的可视化界面进行设置，观察分割结果，找到合适自己组织的参数。 python -m cellpose --Zstack直接可以打开GUI导入tif图像，选择模型，调整细胞分割参数二. Cellpose分析前对输入tif文件图像处理是做什么？
49810编辑于 2025-05-29 - 来自专栏云上修行
在腾讯云云服务器CVM中使用Cellpose-SAM进行高效细胞分割
本文将介绍如何使用Cellpose-SAM进行推理，并提供一个完整的代码示例。什么是Cellpose-SAM？Cellpose是一个基于深度学习的通用细胞分割算法，能够准确识别各种类型的细胞。 Cellpose-SAM结合了两者的优势，先用Cellpose进行初步检测，再用SAM进行精细分割，从而获得更准确的结果。 下面详述在腾讯云云服务器CVM中使用docker以及Cellpose-SAM进行推理的过程。 推理脚本cellpose_infer.py：import torchimport argparseimport osimport numpy as npfrom cellpose import io, 提供了一个强大的细胞分割解决方案，结合了Cellpose的准确性和SAM的精细化能力。
51111编辑于 2025-08-31 ISS空间转录组的细胞分割算法汇总(stardist、cellpose、QuPath、SCS)
接下来了解第二个，cellposeCellpose 是一款基于深度学习算法的细胞分割的开源软件，已发表两篇论文，都发表在 Nature Methods 上，即 Cellpose 1.0 和 2.0 版本 cellpose基于CNN（卷积神经网络）和U-Net的结构，可以对单个细胞或聚集细胞的图像进行高质量的分割和分类。 Cellpose适用于不同类型的细胞图像，例如荧光显微镜图像、H&E染色的组织切片图像和显微镜图像。它还可以通过交互式模式和批量处理模式进行数据分析。 Cellpose的优点包括易于使用、可扩展性、高分割准确性和快速速度。看第三个，QuPathQuPath是一个免费且开源的软件项目，专为生物医学图像分析而设计，尤其是针对显微镜下的组织病理学图像。
3.2K10编辑于 2024-06-05- 来自专栏云上修行
Cellpose掩码图像显示全黑的原因与解决方法
Cellpose 是一个基于深度学习的开源软件，专门用于细胞分割（Cell Segmentation）。它的核心目标是自动、准确地将显微镜图像中的单个细胞识别出来，并勾勒出它们的精确边界。 Cellpose进行细胞图像分割时，许多用户发现生成的掩码图像在普通图片查看器中显示为全黑色。 问题现象通过命令行运行Cellpose：cellpose --image_path ~/mask.png --pretrained_model cyto3 --save_png软件正常生成输出文件，但用普通图片查看器打开掩码 技术原理数据格式特性Cellpose生成的掩码图像采用16位无符号整数(uint16)格式，每个细胞区域被赋予独特整数值：第一个识别细胞区域像素值为1第二个区域值为2后续区域依次递增显示问题成因位深不匹配 plt.show()实用解决方案正确查看方式：使用专业图像软件或编程方式查看掩码数据处理：直接使用.npy格式数据进行后续分析可视化优化：通过matplotlib等工具自定义颜色映射以增强显示效果总结Cellpose
32410编辑于 2025-08-26 - 来自专栏生信菜鸟团
心脏解剖“黑科技”：用 QuPath + Cellpose 数出心里的“脂肪与纤维”
这篇文章用开源工具 QuPath 和 Cellpose 建立了一条聪明的图像识别流程，可以“数清楚”心脏里的肌肉、脂肪和纤维——关键是，还能帮我们识别那些难以察觉的心肌病！ 文献信息 标题：Quantifying Cardiac Tissue Composition Using QuPath and Cellpose: An Accessible Approach to Postmortem 作者用了一套开源工具链，让尸检样本分析从“手动眼瞪”变成“智能测量”： 工具 作用 QuPath 分割组织、训练像素分类器 Cellpose 识别脂肪细胞（胖乎乎一圈圈） R + ggplot2/dplyr
30610编辑于 2025-05-08 - 来自专栏Visium HD
Visium HD使用Cellpose进行细胞分割获取单细胞精度空间数据
为了识别出细胞边界，我们可以使用Cellpose (https://www.cellpose.org/)进行单细胞分割，然后再bin-to-cell获得的就是单细胞精度的数据了。 Cellpose在Visium HD数据细胞分割中的优势：高分辨率细胞分割：Cellpose作为一种深度学习模型，能够有效地处理这些高分辨率图像，提供精确的细胞分割，从而确保后续分析的准确性；自动化处理 ：Cellpose能够自动识别和分割图像中的细胞，减少了人工标注的需求；适应性强：Cellpose经过多样化的数据集训练，具有较强的通用性，能够适应不同类型的细胞图像，而无需用户进行大量的重新训练或调整参数 ；支持复杂组织结构：Cellpose能够有效处理复杂且细胞密度较高且复杂的组织结构，能准确识别重叠细胞和多样化形态，提高分割精度。 以下是使用Cellpose进行细胞分割，然后将2um bin基因表达合并得到单细胞精度表达数据，代码我都进行了详细注释。
50600编辑于 2025-05-29 顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记（HD + cellpose + Xenium）
今日分享文献，HD + CellPose，这是第二篇HD的实验类文章，第一篇顶刊类的HD文章。知识积累组织驻留记忆CD8 T（TRM）细胞在屏障部位提供感染保护。 matplotlib.pyplot as pltimport numpy as npimport tifffilefrom tqdm.notebook import tqdmimport pathlibfrom cellpose (highres_image)img = io.imread(highres_image)####Write out chunks of the histology image to train a cellpose with zeros return new_imagemaxed_visium = read_dapi_image(highres_image, downscale_factor=1)def run_cellpose batch_size=4, ) return (masks, flows, styles)chunk_per_axis = 2masks_top_left, flows, styles = run_cellpose
25510编辑于 2025-01-27- 来自专栏DrugOne
Nat. Methods | CellSAM: 用于精准细胞分割的通用基础模型
在多数据集上实现领先性能并具备通用性 研究人员将 CellSAM 与 Cellpose 等先进方法比较，结果表明： CellSAM-generalist 的表现优于所有通用版 Cellpose，也可与各专用版 Cellpose 相媲美； 在不同数据类型中（组织、细胞培养、酵母、细菌、核），CellSAM 的误差均最低； 在 NeurIPS 细胞分割挑战赛数据上，CellSAM 达到最佳泛化性能。
23810编辑于 2025-12-17 - 来自专栏AiCharm
每日学术速递1.28
我们表明，通过PEN，CellPose中学习到的语义表示对深度进行了编码，与作为输入的最大强度投影图像相比，大大提高了分割性能，但对基于区域的网络如Mask-RCNN的分割没有类似帮助。 最后，我们剖析了PEN与CellPose在并排球状体的传播细胞上对细胞密度的分割强度。我们将PEN作为一个数据驱动的解决方案，以形成三维数据的压缩表示，改善实例分割网络的二维分割。 We show that with PEN, the learned semantic representation in CellPose encodes depth and greatly improves Finally, we dissect the segmentation strength against cell density of PEN with CellPose on disseminated
34610编辑于 2023-05-15 - 来自专栏DrugOne
Nature | 深度学习解锁细胞显微图像
CellPose采用了一种更通用的方法。 这使得CellPose能够高精度地、更重要的是，广泛适用于不同光学显微镜方法和样本类型，自信地将给定图像中的每个像素分配给一个细胞。 对于CellPose，作者花了半年时间收集和整理尽可能多的显微镜图像，以建立一个大型且广泛代表性的训练数据集，包括非细胞图像，以提供清晰的反例。 Pachitariu和Stringer同样使用了这种“人在循环中”的方法，重新训练CellPose以在特定数据集上实现更好的性能，使用的样本少至100个细胞。 例如，她认为CellPose之所以成功，得益于其直观的图形用户界面以及其分割能力。“努力使东西变得非常友好、易于接近且不令人害怕，这是吸引大多数生物学家的方法，”她说。
68400编辑于 2023-12-12 基于RNA杂交原位测序的肾损伤和修复的高分辨率空间分析
Visium 和slideseq ，相对较低分辨率的限制dRNA HybISS、Xenium 高精度的空间平台结果1、dRNA HybISS工作流程优化及其在肾脏研究中的应用使用基于机器学习的分割算法CellPose 这产生了更好的结果使用Cellpose分割细胞核后，添加细胞边界，并使用Baysor算法将每个检测到的转录本分配给单个细胞。
27210编辑于 2024-06-01Xenium、CosMx等技术流程篇
空间数据分析的标准方法脚本更新---Xenium整合分析以及邻域细胞比例空间图第二步，大学需要学习图像细胞分割基于image-based的空间转录组的细胞分割技术ISS空间转录组的细胞分割算法汇总(stardist、cellpose 表征结直肠癌肿瘤微环境中的免疫细胞群文献分享---肿瘤微环境的空间解析基因表达谱揭示肺腺癌发展的关键步骤（scRNA + visium + xenium）顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记（HD + cellpose
43310编辑于 2025-03-05Visium HD | Spaceranger v4 细胞分割结果分析
之前我们也介绍过HD数据使用StarDist进行细胞核分割（Visium HD 空间转录组分析探索之--细胞核分割）和使用cellpose进行细胞分割（Visium HD使用Cellpose进行细胞分割获取单细胞精度空间数据
68210编辑于 2025-07-12空间肿瘤学:将环境生物学转化为临床与肿瘤成纤维细胞的划分
空间技术将分子分析与微环境特征相结合，为理解细胞相互作用和组织提供了关键的原位环境空间数据分析的计算方法细胞分割方法：CellPose和StarDist肿瘤微环境中靶向治疗的细胞相互作用肿瘤异质性是影响肿瘤治疗效果的一个重要障碍
22720编辑于 2024-10-09- 来自专栏Visium HD
ENACT: Visium HD数据的端到端分析流程
既然要分割细胞，而且图像是HE，那为什么不使用Cellpose检测和分割细胞整体边界，然后将bins合并到细胞呢，下节我们尝试使用Cellpose细胞分割，然后结合ENACT的bin-to-cell各种方法
29500编辑于 2025-05-29 今日话题----华大空间转录组（Stereo-seq）图像识别 + 表达信息获取单细胞级别的空间数据
使用调整后的Cellpose 2.0工具对细胞膜/细胞壁染色图像进行细胞分割，获得细胞mask。然后根据细胞mask将分子分配到相应的细胞中，从而生成单细胞空间基因表达谱。 第三步、细胞分割STCellbin的细胞分割步骤使用Cellpose 2.0(这个之前文章分享过，课程上也讲过).第四步、分子标记STCellbin根据细胞mask直接将分子分配给细胞，而将细胞外的分子分配给细胞是可选的
83121编辑于 2024-10-2910X官方发布10X visium HD细胞分割方法
小胶质细胞机制驱动阿尔茨海默病免疫治疗患者的amyloid-β清除文献分享---空间转录组学鉴定与肺纤维化远端肺重构相关的分子生态位失调（Xenium + HD）顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记（HD + cellpose
62710编辑于 2025-06-16方法梳理---SMI空间平台数据分析
第二步，图像分割（目前常用的stardist或者cellpose）使用Cellpose的自行训练模型功能来训练2个模型:一个用于细胞核分割，一个用于细胞膜分割(使用B2M/CD298膜标记)。
34620编辑于 2025-03-25- 来自专栏生信菜鸟团
QuPath：空间转录组数据和病理图像结合的桥梁
/products/software/zeiss-zen-lite.html#getzenlite) QuPath https://qupath.github.io/) …… 然后是stardist+cellpose
53110编辑于 2025-04-04 标准化的高精度空间（HD、Stereo-seq、Xenium等）平台基础分析
今天我们来学习一些科普的内容，首先是图像分割，参考文章在细胞分割的方法有很多，像U-Net、stardist、SCS、QuPath、cellpose系列等等很多，其中基于深度学习的细胞分割算法在处理复杂图像时表现更优
24320编辑于 2025-02-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号