분할 모델의 정확성과 강인성은 생쥐 뇌 전자현미경 이미지 처리에서 주요 고려 사항입니다. 전자현미경 이미지의 기술적 특성에 맞춰 각 슬라이스에서 각 객체의 형태 구조를 정확하게 식별하는 고도로 견고한 2차원 분할 알고리즘이 제안되었습니다. 본 논문에서는 대규모 자연 이미지 모델 기반의 백본 네트워크 미세 조정을 활용한 대규모 2차원 전자현미경 이미지 분할 모델 EM-SAM을 제안하며, 뇌 전자현미경 이미지 내 인스턴스 분할에 사용됩니다. 모델의 백본 네트워크는 대규모 자연 이미지 모델 SAM에 학습된 이미지 인코더를 채택하여 전자현미경 이미지 처리 작업에서 모델의 이미지 특징 추출 능력을 극대화합니다. 또한, 모델은 U자형 디코더 설계를 적용하고 생쥐 뇌 전자현미경 이미지 분할 작업을 통해 미세 조정되었습니다. 실험 결과 공개 데이터셋 SNEMI3D에서 A-Rand가 0.054에 도달했고, 공개 데이터셋 MitoEM에서는 AP-50과 AP-75가 각각 0.883, 0.604에 도달했습니다. EM-SAM은 전자현미경 이미지 신경 분할 작업에서 높은 정확도와 강인성을 보이며, 다양한 작업에 대해 미세 조정이 가능합니다.

딥러닝;분할;대형 모델;전자현미경 이미지;생쥐 뇌