Sartorius 开源“LIVECell”，一个用于无标签活细胞分割的深度学习数据集

生命科学公司Sartorius开源了“LIVECell”，这是一个用于活细胞图像无标记定量分割的深度学习数据集。这是通过 发表在《自然方法》杂志上的一篇研究论文宣布的 。

该数据集包括 5000 张无标记相衬显微镜图像，由 160 万个八细胞类型的细胞组成，所有这些都标有该领域专家手动注释的不同形态。当细胞从初始接种密度生长到完全融合的单层时，图像显示细胞大小和形状发生很大变化。

神经网络非常擅长识别细胞，但它们需要使用高质量数据集进行训练，以了解如何最好地分割它们。

准确的分割对于下游分析至关重要，但这项任务可能令人生畏。传统的基于图像的方法通常需要对具有不同形态的不同类型的细胞进行繁琐的定制和严格的调整。该研究人员认为，在“LIVECell”数据集中使用一组不同的细胞和融合的条件可以更准确地训练深层学习为基础的分割模式。因此，研究人员现在有了一种强大而准确的方法来训练神经网络。在此过程中使用的神经网络可以处理多个类别，而不是仅限于一种类型的细胞形态。这将允许更强大的分割并最终最大限度地减少用户引入的偏见。

在 LIVECell 数据集发布之前，研究人员可以访问一个可供研究人员使用的无标签图像数据集，其中仅包含来自 26,000 个细胞的 4,600 张图像。

Sartorius 已与德国人工智能研究中心 (DFKI) 合作，展示了该数据集如何用于深度学习，并且他们计划继续合作。

论文：

https://www.nature.com/articles/s41592-021-01249-6

数据集：

https://sartorius-research.github.io/LIVECell/

Github：

https://github.com/sartorius-research/LIVECell

来源：

https://www.technologynetworks.com/cell-science/product-news/sartorius-unveils-livecell-a-deep-learning-dataset-for-label-free-quantitative-cell-segmentation-353972