WEBKNOSSOS：HHMI Janelia 的大规模体数据标注与协作平台，集成 SAM 与微调分割模型

Janelia 的 Norman Rzepka 讲 WEBKNOSSOS——面向大规模体数据（电子/光镜、X 射线、膨胀显微）的可扩展标注、协作与共享平台，并集成 Segment Anything（SAM）等深度学习分割模型。

• 背景：connectomics / 大体积显微数据可达数百 TB，共享、出版与协作困难；WEBKNOSSOS 最初与 Max Planck 脑研究所合作开发，支持 EM/光镜/X 射线/膨胀显微等多种模态，并可把光镜 ROI 与 EM 叠加。
• 集成 Segment Anything Model（SAM，通用分割基础模型）：把图像切片当作"视频序列"让 SAM 追踪对象做全自动分割；可缩放取图喂给模型，并对特定生物图像 fine-tuned 模型做迭代（box → 下一轮训练 → 更好模型）。
• 预训练模型库：通用 neuron 模型（跨数据集泛化较好）、MitoNet（线粒体，来自 Cadan Ryan 实验室）、即将上线的 nuclei/soma EM 模型等，用于快速生成 ground truth 或直接在体积中分割。
• 数据格式采用 Zarr（亦流行于地学/基因组学）；架构上数据经 server 统一缓存，便于模型就近取数做推理。
• 与 OME-NGFF 等标准协同，定位为"connectomics pipeline"的一环（分割神经元 → 突触）。
• 定位：【AI4Science】生物图像分析工具（SAM / 微调分割基础模型驱动标注）；与 #68 nnInteractive（ViT 可提示分割）共构"深度学习生物图像"簇。