panseg

一键分割3D密集细胞，精准区分每个个体

panseg 是一个面向密集堆积 3D 体积图像的细胞实例感知分割工具。它主要解决在生物图像分析中，细胞在三维空间内高度重叠、难以准确区分个体边界的问题。该工具基于深度学习，核心能力包括对 3D 图像进行实例分割，即同时识别细胞类别并区分不同个体，输出每个细胞的独立掩膜。它采用 U-Net 等神经网络架构，针对密集场景优化，适合处理电子显微镜、共聚焦显微镜等生成的大规模体积数据。项目提供 Python 接口，支持训练、推理和评估流程，旨在为生物信息学研究者提供一个开箱即用的细胞分割解决方案，降低开发定制模型的门槛。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 130

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队kreshuklab

所属国家

官网地址https://kreshuklab.github.io/panseg/latest

GitHubhttps://github.com/kreshuklab/panseg

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型bioimage-analysis,bioinformatics,deep-learning,image-segmentation,neural-network,segmentation,unet

GitHub 星标★ 130

30天Star增速

HF 下载量

上线时间2019-10-18 00:00:00

最近更新2026-09-21 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数5

使用教程

核心亮点

专为3D密集细胞场景设计，实例分割精度高
基于U-Net等成熟架构，代码结构清晰易上手
提供完整训练与推理流程，便于快速集成到生物分析管线

不足之处

文档/社区待观察

适用场景

电子显微镜图像中的细胞三维重建
共聚焦显微镜下组织内细胞计数与形态分析
生物医学研究中的细胞集群个体识别

替代项目

Cellpose、StarDist、EmbedSeg

项目介绍

panseg 是计算机视觉领域的开源项目，由 kreshuklab 开发，2019 年首次发布。

它收录于计算机视觉分类，该分类目前共有 446 个项目，GitHub 星标数为 130。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-21。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：电子显微镜图像中的细胞三维重建。同类可对比的替代方案包括 Cellpose、StarDist、EmbedSeg。

上一篇：lucida

下一篇：nobg