深度学习在细胞图像自动分割中的应用与进展

来源：计算机工程与应用杂志2026年第2期北京时间：

作者：王旭, 王晓燕, 郭英慧, 蔡肖红, 刘艳艳, 张文凯

单位：1.山东中医药大学 医学信息工程学院，济南 250355；2.山东中医药大学 医学院，济南 250355；

摘要：细胞分割研究对于细胞形态学分析、疾病早期诊断、药物筛选以及个性化医疗具有重要意义。细胞图像分割作为一种核心任务，旨在从复杂的生物图像中提取细胞边界和结构，支持疾病诊断和研究。因此，对细胞进行精确分割是解决细胞形态学分析、肿瘤检测以及药物筛选等生物医学问题的首要任务。深度学习以其良好的特征提取和自适应学习能力，近年来成为细胞图像自动分割领域的重要技术手段。为推动细胞图像分割研究，在介绍常用细胞图像分割性能评价指标的基础上，梳理了CNN、U-Net、Mask R-CNN、GAN、Transformer、GNN、弱监督学习、迁移学习和视觉大模型以及混合架构在细胞图像分割中的应用，并通过对各模型优缺点进行对比分析，明确了当前研究中存在的主要问题，并展望了未来的研究方向。

关键词：细胞分割,深度学习,Transformer,弱监督学习,混合架构

基金资助：国家自然科学基金（82074293）；山东省研究生优质教育教学资源项目（2024k147）；山东省研究生教育教学改革研究项目（2024G137）；山东中医药大学科学研究基金（KYZK2024M13）。