Mapping bioimage-analysis software adoption in microscopy
本研究分析了2010年至2025年间的170万篇显微镜相关论文，揭示了研究者对图像分析软件日益增长的依赖——以ImageJ/Fiji为领先，且QuPath和napari等工具在特定领域的采用率正在上升——同时强调引用计数往往低估了实际使用情况，并敦促研究人员明确引用并报告其软件方法以提高可重复性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
现代显微镜不仅仅是在拍照；它们生成的是庞大且多层级的数字文件，其中蕴含着细胞如何移动、分裂以及相互作用的奥秘。然而，原始图像仅仅是故事的开始。要将这些像素转化为生物学知识——例如计算细胞数量、测量其大小或追踪其运动——科学家必须使用计算机程序来分析数据。这些程序是将视觉信息转化为数字的工具。选择使用哪种工具至关重要，因为不同的程序有时会对同一张图像产生不同的测量结果。如果两个实验室研究同一个生物事件但使用了不同的软件，他们可能会对细胞的大小或分裂次数得出不同的结论。这给科学带来了挑战：如果这些工具没有被清晰地命名和描述，其他研究人员就无法重复实验以验证结果。
多年来，科学界一直知道这些软件工具至关重要，但却没有人拥有关于哪些工具在现实世界中被实际使用的清晰地图。相关信息分散在数百万篇研究论文的材料部分中，往往只是随口提及而没有正式的引用。为了解决这个问题，一个研究小组致力于统计并分类显微成像领域文献中提到的软件。他们扫描了 2010 年至 2025 年间发表的 170 万篇全文研究论文，寻找对三十种特定软件包的提及。他们的目标是观察这些工具的使用情况如何随时间变化，哪些工具已成为标准，以及研究人员是如何报告其使用的。
研究人员发现，图像分析软件的使用增长速度远快于显微成像论文本身的数量。在 2010 年，只有 12% 的显微成像论文提到了他们所追踪的至少一种分析工具。到 2025 年，这一比例已上升至 30%。尽管出现了这种使用量的爆炸式增长，但该领域并未变成一个由数百种不同工具组成的混乱混合体。相反，提及量仍然高度集中在少数通用平台上。一个被称为 ImageJ/Fiji 的程序主导了这一格局。在 2025 年，它出现在所有全文显微成像论文的 28% 中，占他们追踪的所有分析软件包提及总数的 82%。这表明，虽然新的工具正在出现，但科学界仍然依赖于一小套成熟且用途广泛的平台来进行大部分的常规工作。
然而，这项研究也揭示了，随着专业化工具在特定领域占据一席之地，这些旧平台的统治地位正在缓慢发生转移。例如，一个名为 QuPath 的程序经历了快速增长，特别是在病理学领域，科学家通过该领域研究组织样本以诊断疾病。同样，一个名为 napari 的工具经常出现在处理电子显微镜相关的论文中，电子显微镜利用电子束来观察比可见光所能看到的结构还要微小的结构。基于深度学习的新方法也变得越来越普遍，这些方法允许计算机学习如何识别诸如细胞边界之类的模式。然而，即使是这些先进的方法，也经常与既有平台配合使用。研究人员发现，提到深度学习工具 Cellpose 的论文通常也会提到 ImageJ/Fiji，而使用 StarDist 的论文经常在 ImageJ 环境内运行它。这表明，科学家们正在将强大的新算法整合进他们已经熟悉的现有工作流中，而不是完全放弃旧有的工具。
研究的一个重要部分聚焦于研究人员对方法报告的质量，这是科学可靠性的关键因素。团队发现，许多论文提到了某个软件包，却并未实际引用介绍该软件的原始论文。对于最受欢迎的工具 ImageJ/Fiji，2025 年提到它的论文中有 86% 没有包含对其原始出版物的引用。对于像 Quoth 和 Cellpose 这样的新工具，这种未引用软件的情况甚至更为严重。这意味着，仅仅通过统计参考文献列表中软件被引用的次数，会低估人们实际使用它的频率。此外，研究人员审计了提及软件的句子，发现大量论文未能提供必要的细节。在 2025 年，提到 ImageJ/Fiji 的论文中有 61%、提到 StarDist 的论文中有 52%、提到 Cellpose 的论文中有 36% 未能指明软件的版本、使用的具体功能或应用的设置。如果没有这些细节，其他科学家就无法确切知道分析是如何进行的，从而导致难以重复实验结果。
研究结论指出，虽然使用图像分析软件的论文数量正在增加，但该领域仍由几核心平台支撑，研究人员信任它们的通用性。深度学习的兴起增加了强大的新功能，但这些功能通常是编织进现有的工作流中，而非取代它们。研究识别出的最紧迫问题不是缺乏工具，而是工具使用过程中的透明度缺失。作者认为，为了保证科学的可重复性，研究人员不仅要命名所使用的软件，还必须引用原始论文，明确版本号，并描述设置和参数。通过使这些细节透明化，科学界可以确保驱动现代显微成像技术的数字工具与显微镜本身一样可靠且透明。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。