共计 784 个字符，预计需要花费 2 分钟才能阅读完成。
韩国标准科学研究院（KRISS）近日在《显微镜与微分析》期刊上发表了一项突破性研究成果。该院开发的新型 AI 算法能够将扫描电子显微镜（SEM）拍摄的二维横截面图像快速转化为三维结构，在保持高精度的同时，将分析时间和成本降低至传统方法的八分之一。
这项技术革新源于 KRISS 新兴研究仪器组开发的基于半监督学习的图像分割算法。与传统的监督学习方法不同，新算法只需研究人员手动标注约 10% 的总图像数据，即可自动完成剩余数据的标注和分割工作。例如，在处理 100 张扫描电子显微镜横截面图像时，研究人员只需手动标注每十张图像，算法就能自动完成其余 90 张图像的标注任务。
- 
在性能测试中，研究团队使用小鼠脑细胞数据进行验证。结果显示，新算法在保持与传统方法精度相差不超过 3% 的同时，显著提升了处理效率。即使面对分辨率为 4096 × 6144 像素的大规模数据，该算法仍能保持高精度和快速处理速度。
扫描电子显微镜作为一种能够以数十纳米为间隔拍摄样本横截面图像的技术，在生命科学研究和医学诊断中具有重要应用价值。然而，传统的图像分割方法依赖专家手动检查并标注每张图像中的特定结构（如细胞核和线粒体），不仅耗时耗力，还容易受到主观判断和人为误差的影响。
KRISS 高级研究员 Yun Dal Jae 表示：’ 这项技术的应用前景不仅限于生物科学领域。在半导体缺陷检测和新材料开发等需要自动化图像分析的领域，特别是在因隐私问题或预算限制而难以获取 AI 训练数据的场景下，这项技术将发挥重要作用。’
该研究由 KRISS 基础计划支持，于 2025 年 6 月发表在《显微镜与微分析》期刊上，并被选为该期的亮点论文。这项技术的成功开发标志着电子显微镜图像分析领域的一次重大突破，为相关领域的科研工作带来了新的可能性。
[期刊链接：显微镜与微分析，2025 年 6 月](https://doi.org/10.1093/mam/ozaf047)
