CellposeはJanelia研究所のMouse Labが開発したオープンソースの深層学習細胞セグメンテーションツールです。一言で言えば「どんな顕微鏡画像でも各細胞の境界を正確に検出する万能セグメンタ」と言えます。 従来のセグメンテーションはwatershedや閾値処理に依存し、細胞種や染色が変わるたびにパラメータ調整が必要でした。CellposeはU-Netアーキテクチャをvector flow表現で学習させ、形態や撮像方法を問わず汎化します。「GPTが任意のテキストを扱うように、Cellposeは任意の細胞画像を扱う」というイメージです。 生命科学研究者にとっての価値は(1)ほとんどの画像でゼロショット利用が可能、(2)蛍光・H&E組織・ライブセル・電子顕微鏡まで対応、(3)コーディング不要のGUIでマスク取得可能、という点です。Cellpose 2.0以降はhuman-in-the-loop学習に対応し、100~200枚程度のラベリングで特定ドメインに特化したモデルを素早く構築できます。 データセキュリティ面では完全ローカル実行が可能で、臨床画像や未公開実験データをクラウドにアップロードする必要がありません。コスト面でもライセンス費用ゼロ、CPUのみでも(遅いですが)動作し、Cellpose 3.0では高速核モデルとSAM統合まで提供され、無料細胞セグメンテーションツールの最強格の地位を確立しています。

深層学習に基づく汎用細胞分割 — 蛍光・明視野画像の自動マスク生成

蛍光顕微鏡画像の核・細胞自動セグメンテーション: DAPI(核)+膜マーカーの2チャネル蛍光画像に対し'cyto3'モデルを実行し、数千個の細胞マスクを一度に抽出。1024x1024画像1枚あたりGPUで1-2秒。NumPyマスクで面積・強度・隣接解析が可能。