Grâce aux récentes avancées prometteuses en matière d’IA, la segmentation automatisée des ensembles de données d’imagerie a fait des progrès significatifs. Cependant, l’évaluation et la conservation des ensembles de données 3D et 3D+t restent extrêmement difficiles et nécessitent beaucoup de ressources. Une étude publiée récemment dans eLife présente MorphoNet 2.0, une évolution conceptuelle et technique majeure conçue pour faciliter la segmentation, l’auto-évaluation et la correction des images 3D. L’application est accessible aux biologistes non programmeurs grâce à des interfaces graphiques conviviales et fonctionne sur tous les principaux systèmes d’exploitation. Sa puissance est démontrée par l’amélioration de la précision et de l’interprétabilité de cinq ensembles de données segmentés publiés précédemment. Cette approche est cruciale pour produire des ensembles de données de référence de qualité scientifique, essentiels pour la formation et l’évaluation comparative d’outils de segmentation avancés basés sur l’IA.
Lien vers l’article eLife : https://elifesciences.org/
Contact : Emmanuel FAURE
