micro-sam微调模型选择清单：LM、EM、组化病理、医学影像4大领域怎么选最优模型？

micro-sam微调模型选择清单：LM、EM、组化病理、医学影像4大领域怎么选最优模型？

【免费下载链接】micro-samSegment Anything for Microscopy项目地址: https://gitcode.com/gh_mirrors/mi/micro-sam

micro-sam（Segment Anything for Microscopy）是在 Meta 的 Segment Anything（SAM）基础上专为显微镜与生物医学影像打造的全自动、交互式标注工具，内置多组微调模型：涵盖光镜（LM）、电镜（EM）、组织病理（Histopathology）与医学影像（Medical Imaging）4大领域，通过vit_b_lm、vit_b_em_organelles等命名区分。选对模型，标注效率与分割质量会显著提升——下面这份清单帮你一次性选对。🎯

4大领域微调模型速查表

先看结论，按你的数据模态对号入座：

💡 通用模型（SAM 原版）来自 Nature Methods 论文《Segment Anything for Microscopy》，医学影像模型来自 MedicoSAM，病理模型来自 PathoSAM。

在标注工具顶部，左侧Model下拉框选择模型类型（4大领域一目了然），右侧Embedding Settings中的model size下拉框选择尺寸，默认使用base。

光镜（LM）：选 vit_b_lm 就对了

如果你的数据是明场、荧光、共聚焦、相衬等光镜图像，目标物是细胞或细胞核：

• 首选vit_b_lm：官方推荐的"黄金基准"，质量和速度平衡最好；
• 追求更高质量选vit_l_lm：尤其跑自动分割时优势更明显，但需要更多算力；
• 算力有限选vit_t_lm：速度最快，适合笔记本上标注大量图片或体数据，质量略降。

下图是官方 LM 微调模型与原版 SAM 的分割效果对比（左 Default SAM / 右 Finetuned SAM）：在荧光、明场、组织等数据上，微调模型明显更贴合真实细胞边界。

电镜（EM）：mito/nuc 模型专攻线粒体与细胞核

电镜数据纹理与自然图像差异巨大，原版 SAM 经常"翻车"。分割线粒体、细胞核或其他圆形细胞器时：

• 选vit_b_em_organelles（默认）或vit_l_em_organelles（更高质量）；
• 该领域同样提供vit_t_em_organelles加速版本。

从官方对比图可以看到，神经元、SEM 细胞等复杂结构上，微调后黄色轮廓线与真实边界贴合度大幅提升。

医学影像：vit_b_medical_imaging 一个就够

处理X 光、CT、MRI、超声等医学影像数据时，选择vit_b_medical_imaging做交互式分割。目前该领域仅提供 base 尺寸一个选项，开箱即用。

组织病理（组化病理）：H&E 切片核分割

病理切片中细胞核密集且大小不一，需要更强的编码器：

• 日常使用选vit_b_histopathology或vit_l_histopathology；
• 官方未推荐使用最大的vit_h_histopathology——总体没看到相对小尺寸模型的优势，资源消耗却明显更高。

如何选模型尺寸：tiny / base / large / huge 速查

一句话心法：先vit_b，要质量上vit_l，要速度降vit_t，跳过vit_h。

选不对？用你自己的数据微调

如果通用模型在你的数据上效果不佳，micro-sam 支持用自己的数据微调（完整代码见 finetuning/）：

• 快速上手：finetuning/livecell_finetuning.py 用 LIVECell 数据集跑通整个微调→推理→评估流程；
• 训练领域通用模型：finetuning/generalists/training/ 下分 light_microscopy、electron_microscopy、histopathology 三个子目录。

微调完成后，在标注工具、Python 库（model_type参数，参考 examples/annotator_2d.py）或命令行接口中指定你的模型即可。各模型的自动分割参数按模型类型预设好，见 micro_sam/_model_settings.py。

上手三步走

1. 安装：conda install -c conda-forge micro_sam；
2. 运行napari，在Plugins → Segment Anything for Microscopy打开标注工具（参考 doc/annotation_tools.md）；
3. 按上面清单选好模型类型 + 尺寸，加载图像开始标注。

总结：一张清单记住选型规则

• ✅ 光镜细胞/核 →vit_b_lm（要质量用vit_l_lm）
• ✅ 电镜线粒体/核 →vit_b_em_organelles
• ✅ 医学影像交互式分割 →vit_b_medical_imaging
• ✅ 病理切片核 →vit_b_histopathology/vit_l_histopathology
• ✅ 其他场景 → 原版 SAM（vit_b/vit_l）
• ✅ 通用规则：tiny 要速度、base 求平衡、large 拼质量、huge 不推荐
• ✅ 都不理想 → 用自己的数据微调

更多细节可查阅 doc/finetuned_models.md，祝你标注顺利！🚀

【免费下载链接】micro-samSegment Anything for Microscopy项目地址: https://gitcode.com/gh_mirrors/mi/micro-sam