تحظى الميتوكوندريا بأهمية كبيرة في علم الأحياء الخلوية، حيث تلعب دورًا رئيسيًا في إنتاج الطاقة وتنظيم الأيض. تأتي التحديات التي تواجه تحليل هيكلها من طبيعة الصور الملتقطة باستخدام الميكروسكوب الفلوري (Fluorescence Microscopy)، حيث تعاني من قيود في دقة التباين وتداخل معقد بين العضيات. في هذا السياق، يأتي نموذج Segment Anything Model (سام) للعب دور محوري في النجاح، رغم التحديات المباشرة المرتبطة بتطبيقه على صور الميكروسكوب.

رفعت هذه الدراسة من تحدي النقص الكبير في مجموعات البيانات الجيدة من خلال استخدام بيانات مصنوعة بشكل اصطناعي. حيث قام الباحثون بمحاكاة بيانات ميتوكوندريا واقعية وإعادة تمثيل الخصائص البصرية للميكروسكوبات الفلورية، مما أدى إلى إنتاج مجموعة بيانات كبيرة تم تسجيلها يدويًا.

تم تقييم أداء النموذج المعدل وفق البيانات الاصطناعية باستخدام مجموعة بيانات مخصصة من الصور الحقيقية التي تمت إضافة بيانات إشارية إليها يدويًا. وأظهرت نتائج التحليل أن النموذج المعدل حقق تحسينات واضحة في الدقة والنتائج الإحصائية مقارنةً بنماذج مرجعية قوية.

من خلال هذه الإنجازات، تُبرز هذه الدراسة الإمكانية الكبيرة لتطبيق أسلوب التدريب المعتمَد على المحاكاة في تحسين تحليل الميتوكوندريا باستخدام الميكروسكوبات الفلورية.