Microscopy Research and Technique· 2026Q2
DINOSim: Mikroskopi Görüntülerinde Eğitimsiz Semantik Segmentasyon
DINOSim : Training‐Free Semantic Segmentation on Microscopy Images
- 4atıf
- Q2SCImago
- 2026yıl
Kısa özet
Yeni bir eğitime gerek duymayan DINOSim yöntemi, önceden eğitilmiş DINOv2 kodlayıcının görüntü yaması özelliklerini kullanıcı tarafından seçilen bir referansla karşılaştırarak mikroskopi görüntülerinde semantik segmentasyon sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- DINOSim, mikroskopi görüntülerinde eğitime gerek duymayan semantik segmentasyona olanak tanır.
- Önceden eğitilmiş DINOv2 kodlayıcısını kullanarak görüntü yaması özelliklerini kullanıcı tarafından seçilen bir referansa karşılaştırır.
- Özellik karşılaştırmalarından oluşturulan sözde etiketler, segmentasyon için bir k-en yakın komşu çerçevesini yönlendirir.
- Yöntem, manuel etiketleme gerektirmeden denetimli yaklaşımlarla karşılaştırılabilir performans elde eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We present DINOSim, a training-free method for segmenting objects in microscopy images without the need for large annotated datasets or additional model training. DINOSim builds on the pretrained DINOv2 image encoder, which captures semantic information from images. By comparing the encoder's features of image patches to those of a user-selected reference, DINOSim generates pseudo-labels that guide semantic segmentation. Subsequently, a k-nearest neighbors framework is used to refine predictions across new images. Our experiments show that DINOSim can effectively segment previously unseen objects in diverse microscopy datasets, offering performance comparable to supervised approaches while avoiding the need for costly manual labeling. We also investigate how different choices of user prompt selection and model size affect accuracy and generalization. To make the method widely accessible, we provide an open-source napari plugin (github.com/AAitorG/napari-DINOSim), enabling researchers to apply DINOSim to their own data easily. Overall, DINOSim offers a fast, flexible and practical solution for bioimage analysis, particularly valuable in resource-constrained settings.
Yazarların özeti; kaynağından alınmıştır. Microscopy Research and Technique, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
BiophysicsBiochemistry, Genetics and Molecular Biology