Cellpose项目中的模型使用与共享指南

Cellpose项目中的模型使用与共享指南

cellpose 项目地址: https://gitcode.com/gh_mirrors/ce/cellpose

模型基础使用

Cellpose项目提供了一个强大的细胞分割模型，可以通过简单的Python代码导入和使用：

from cellpose import models

模型权重文件会自动下载到指定的models.MODELS_DIR目录中。这个预训练模型是在直径范围7.5到120像素的图像上训练的。如果你的图像细胞直径更大，可以通过设置diameter参数来调整，例如diameter=60会使图像相对于30像素的基准进行2倍下采样。

用户自定义模型

Cellpose不仅提供预训练模型，还支持用户使用自己的数据进行模型训练：

1. 模型训练特点：默认情况下，模型训练不会调整图像和ROI的大小，因此测试图像的直径分布应与训练数据相似。

2. 模型加载方式：

   • 在Notebook中使用：

     models.CellposeModel(pretrained_model='name_in_gui')
     

     或

     models.CellposeModel(pretrained_model='/full/path/to/model')
     

   • 在命令行中使用：

     python -m cellpose --pretrained_model name_in_gui
     

     或

     python -m cellpose --pretrained_model /full/path/to/model
     

3. 添加自定义模型：

   • 通过GUI在"Models"菜单中添加
   • 使用命令行：

     python -m cellpose --add_model /full/path/to/model
     

通过BioImage.IO平台共享模型

BioImage.IO是一个专门为生物图像分析设计的AI模型、数据集和工具共享平台。Cellpose模型可以方便地通过这个平台进行共享和获取。

查找已有模型

1. 在BioImage.IO平台上搜索cellpose标签
2. 点击模型卡片查看详情
3. 点击下载图标
4. 选择"Download by Weight Format" → "Pytorch State Dict"格式下载

共享自定义模型

将训练好的Cellpose模型共享到BioImage.IO平台需要以下步骤：

1. 准备工作：

   • 训练并验证你的Cellpose模型
   • 确保安装了必要的依赖包：

     python -m pip install 'cellpose[bioimageio]'
     

     或

     python -m pip install 'cellpose[all]'
     

2. 模型导出： 使用export.py脚本将模型导出为BioImage.IO格式。导出时需要提供：

   • 模型文件路径
   • README.md文件路径
   • 封面图片路径
   • 简短描述
   • 许可证类型(如MIT)
   • 相关代码库链接
   • 作者信息和引用说明
   • 必要的标签(必须包含cellpose、2d和3d)

3. 上传模型：

   • 访问BioImage.IO平台
   • 点击"Upload"按钮
   • 按照指引完成模型上传

4. 更新已有模型：

   • 指定模型ID和图标
   • 记得更新版本号

最佳实践建议

1. 模型训练：确保训练数据的多样性，包括不同大小、形状和对比度的细胞图像。

2. 参数调整：根据实际图像特点调整diameter参数，这对分割结果有很大影响。

3. 模型共享：在BioImage.IO上共享模型时，提供详细的文档和示例，帮助其他用户理解模型的适用场景。

4. 版本控制：每次更新模型时，务必增加版本号并记录变更内容。

通过合理使用Cellpose的模型功能，研究人员可以快速实现高质量的细胞分割，并通过共享模型促进科学研究的可重复性和协作性。

cellpose 项目地址: https://gitcode.com/gh_mirrors/ce/cellpose