光学显微镜目前被广泛的用来定量研究单细胞特性，量化的精度依赖于细胞分割的精度。迄今为止，细胞分割仍然是图像处理领域挑战性十足的问题。由于成像参数、生物组织差异等因素导致不同实验室细胞边界特征分布差异性较大。实验室任惠霞同学由此开发了支持个性化训练的细胞分割算法-Cellbow。
传统图像分割方法主要是首先基于边缘特征的经验总结，再设计相应算法进行识别分割。相比于传统图像处理方法，深度学习则提供了一种更加方便有效的策略：它的网络结构可以通用，参数基于给定训练集自动学习。例如Cellbow-Fluo可以分割任意形状细胞的荧光图像。Cellbow-BF可以很好的分割不同成像深度的芽殖酵母及裂殖酵母图像。特别的，本文通过对采集样本扩充降低了对训练集的需求量，实现小样本训练，成为个性化训练的前提。
为了方便生物实验室的测试及使用。目前提供了网站、ImageJ插件及Python源代码三种使用方式。其中网站实现了在线评估，在线预测。用户只需上传测试图像即可。网站地址:http://cls.pku.edu.cn:808/online/home/。
该研究成果于2020年8月发布在Quantitative Biology volume 8, pages, 245–255（doi: https://www.biorxiv.org/lookup/doi/10.1101/2020.04.21.052597）
