参考：
- 使用SA模型
https://ai.meta.com/research/publications/segment-anything/ - 讲解生物学意义
https://www.nature.com/articles/s41593-024-01714-3#Sec13
x.0 workflow
- 图像分割方法识别出重要的ROI区域
- 计算ROI区域个数（需要计算机算法，参考论文OpenCV可以做到）
- 用交并比知识计算两个ROI区域的重合度，大于一定值则算叠加态
x.1 使用 segmentation anything 尝试解决
网址https://segment-anything.com/demo meta自带方式解决，
问题：红色图像信噪比很差很难分割出来；绿色图像背景信噪比较高；
解决方案：增加阈值法；高斯滤波；背景扣除；形态性滤波；
x.2 优化
- 使用聚类
识别数量1，不佳；
- 使用otsu阈值法，形态性去除背景法
彩色识别的区域数量明显上升，但是仍然有很多需要黑色的地方未识别出来。
信噪比好的图片不做处理效果也很好；
x.3 改进方法
可能原因：
查阅论文 https://ai.meta.com/research/publications/segment-anything/ 虽然训练数据集高达1 billion，但是缺少医学相关数据，且对色彩饱和度照片效果好，对信噪比较差的如生物成像效果差；
改进方法：
- 增加标注工作制作专用数据集
- 寻找更多的数据处理方法，如增加信噪比优化的方法
- 实验过程中增加信噪比（最立竿见影的方法），如曝光时间