CALHippo：人类海马体的细胞分辨率和基于密度的中尺度重建可重现流程
CALHippo 是一个开源框架，利用 BigBrain 组织切片进行多尺度工作流，通过对高分辨率切片进行细胞实例分割、密度建模，最终生成生物上合理的 3D 细胞点云，支持人类海马体的中尺度重建。该框架已被 MICCAI 2026 收录。
研究人员开发了一个名为 CALHippo 的可重现框架，用于人类海马体的细胞类型分辨实例分割和基于密度的中尺度重建。该框架已被医学图像计算与计算机辅助干预国际会议（MICCAI）2026 年会议接收。
CALHippo 的核心是一个多尺度工作流，它连接了微小的细胞实例与宏观的大脑结构。流程从处理 BigBrain 组织切片的高分辨率（HR）和低分辨率（LR）图像开始。首先，对高分辨率切片进行细胞分割和分类，识别不同的细胞类型。然后，将这些注释映射到低分辨率空间，用于训练低分辨率密度模型。训练后的模型可以在整个切片上进行推理，预测细胞密度，最后通过采样生成三维点云，重建海马体的中尺度结构。
该框架提供了清晰的管道，包括数据设置、预处理、训练和推理步骤。研究者可以按照文档中的顺序使用预设脚本和指令来复现结果。关键输出包括高分辨率分割结果、全切片密度预测以及最终的点云重建。维护的区域名称包括 RCA1、RCA2、RCA3 和 RCA4，覆盖海马体的所有 CA 区。
CALHippo 的源代码以 Apache 2.0 许可证开放，但模型权重、训练好的检查点、数据集、衍生注释、渲染图形、笔记本输出以及其他 BigBrain 衍生作品不包含在此许可证内。这些作品以 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International（CC BY-NC-SA 4.0）许可发布，仅限非商业学术研究使用。另外，某些组件（如 Cellpose、HoVer-Net 等）保留其原始许可证。UNI2-h 权重不包含在内，用户需向上游提供商请求访问。
该框架由 Giovanni Casari 和 Ettore Candeloro 共同开发，所有贡献者均来自学术机构。CALHippo 旨在为非商业研究提供一种标准化、可复现的方法来研究海马体的细胞结构，不适用于临床诊断或商业部署。