210-CELLECT：大规模高效细胞追踪的对比嵌入学习

该文章介绍了 CELLECT，这是一种用于大规模高效细胞追踪的对比嵌入学习方法，旨在解决在实际应用中实现高性能和高效率细胞追踪的挑战。CELLECT 模型通过对不同细胞结构的潜在嵌入进行对比学习，仅用单个公共数据集进行预训练 即可广泛应用于不同的成像模式和物种，展示出强大的泛化能力。文章通过在秀丽隐杆线虫数据集上的基准测试以及在免疫学、病理学和神经科学 等生物学应用中的实验验证，证明了CELLECT在准确性和处理速度上均优于现有方法，尤其在处理复杂、动态的 3D 环境中的大规模细胞时效果显著。该方法通过结合稀疏标注和轻量级网络结构大幅减少了计算成本和对人工标注的依赖。

References:

• Zhou, Hongyu, et al. "CELLECT: contrastive embedding learning for large-scale efficient cell tracking." Nature Methods (2025): 1-12.