自动样品制备和电子显微镜使得大规模图像数据采集成为可能，基于此，本文提出了一种 pipeline 系统，通过结合随机森林分类和条件随机场框架，能够完成大规模电子显微镜数据的分割和自动化标注，从而实现了大规模 3D 神经元的重建和可视化。

Mar, 2013

本论文探讨了在电子显微镜中使用机器学习来进行数据分析和优化工作流程的挑战，并讨论了人类科学家和机器学习在实验工作流程中的相对贡献以及开发通用超级语言的需求。

Apr, 2023

机器学习在电子显微镜领域逐步获得认可，用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后，现在可以在显微镜中部署机器学习工作流，不仅用于数据分析，还用于实时决策和反馈。然而，实时机器学习的用例数量仍然相当有限。在本文中，我们讨论了设计基于机器学习的主动实验的一些考虑因素，并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中，机器学习代理直接控制光束位置、图像和光谱采集功能，人操作员实时监控系统的特征空间中的实验进展，并调整机器学习代理的策略以实现特定目标。

Oct, 2023

半导体材料和器件中检测缺陷的高效准确方法需求日益增长。这篇文章通过对 38 篇相关研究论文进行系统回顾，全面总结了基于扫描电子显微镜图像的自动化半导体缺陷检测的现状，包括最新创新和发展，提供了方法的综合概述和分析，并对未来工作提出了有希望的方向。

Aug, 2023

本篇综述回顾了深度学习在电子显微镜领域的流行应用，并讨论了与电子显微镜接口所需的硬件和软件，以及神经网络组件，流行架构以及它们的优化。最后，探讨了深度学习在电子显微镜领域的未来方向。

Sep, 2020

细分、测量和分析细胞图像的关键步骤在于对象分割。深度学习基于的工具在该领域中逐渐取得了主导地位，以 Cellpose 为代表的专业模型在准确性和用户友好性方面不断提升，多模态细胞分割挑战推动了准确性、效率和可用性方面的创新。文档、共享和评估标准的日益重视加快了朝着真正通用方法的目标迈进。

Nov, 2023

综述了用于自动重建蛋白质结构的各种深度学习方法，分析了它们的影响，并讨论了为训练深度学习模型准备高质量数据集的挑战。未来，需要开发更先进的深度学习模型，能够有效地将冷冻电镜数据与其他补充数据源（如蛋白质序列和 AlphaFold 预测结构）相结合，以进一步推动领域的发展。

Sep, 2022

本研究提出一种新型的 EM 分割分类器训练算法，旨在降低对标注和错误修正任务的手动劳动需求，实验表明该方法较现有方法更适于神经重建。

Mar, 2015

该研究探讨了机器学习和自动化机器学习在医学图像分析中的应用，通过使用神经架构搜索和迁移学习等技术来改善人类专家和计算机系统的诊断准确性。

Jun, 2023

细胞分割是显微图像中定量单细胞分析的关键步骤，现有的细胞分割方法通常针对特定模态或需要手动干预以指定不同实验设置中的超参数。本研究提出了一个多模态细胞分割基准，包括超过 1500 个带标签图像，来自 50 多个不同的生物实验。前几名的参与者开发了一种基于 Transformer 的深度学习算法，不仅超越了现有方法，还可以应用于不同显微成像平台和组织类型的各种显微图像，无需手动参数调整。这个基准和改进的算法为显微成像中更准确和多功能的细胞分析提供了有希望的途径。

Aug, 2023