冷冻电子断层扫描里的细胞膜分割改用两阶段微调方案：把断层图沿Z轴切成二维切片当作视频帧，用SAM2的记忆编码与记忆注意力跨切片跟踪膜结构，第一阶段生成初始膜预测，其归一化logits与原始切片拼接后再送入第二阶段输出最终掩膜。在17张带人工标注的独立实验断层图上，Dice为0.8116、IoU为0.7059、精确率0.8123、召回率0.8430，均高于Membrain-Seg与TARDIS，AUPRC为0.8565；单张断层图平均运行79.97秒，GPU显存1312.1 MB。
细胞膜分割现在可以全自动完成，不再需要人工提示或逐张调参。 此前的传统方法依赖人工干预和参数调节，深度学习方法则在精确率与召回率之间难以兼顾，有的漏掉关键膜区域，有的预测噪声偏多。 在17张带真值标注的独立实验断层图上，ETSAM的Dice为0.8116、IoU为0.7059、精确率0.8123、召回率0.8430，均高于Membrain-Seg的0.6381、0.4999、0.5846、0.7371和TARDIS的0.5980、0.4519、0.6916、0.5788。
做法是把三维断层图当作视频来处理，让相邻切片之间互相约束。 SAM2本身是面向自然图像和视频的基础分割模型，无法直接用于断层图，需要重新利用它的视频分割流程。 训练数据为83张来自CryoET Data Portal的实验断层图加28张PolNet模拟断层图，共111张；测试集为17张实验断层图，来自9个CDP、4个EMDB和1个EMPIAR数据集，覆盖12种细胞生物和1种病毒。
两阶段结构主要用来压制假阳性，而不是提高召回。 单阶段ETSAM的精确率为0.7763、Dice为0.7892、召回为0.8445，第二阶段把精确率提到0.8123、Dice提到0.8116，召回略降到0.8430。 在17张测试断层图中，两阶段在12张上提高了Dice，在11张上提高了精确率，而召回只在9张上提高。
报告的范围是冷冻电子断层扫描断层图中的细胞膜分割，评估对象为17张带人工标注真值的独立实验断层图，覆盖12种细胞生物和1种病毒。方法在训练时使用83张实验断层图和28张PolNet模拟断层图，训练后的模型可直接输出二值膜掩膜，用户也可以保存logits并自行调整阈值来改变精确率与召回率的取舍。在5张训练中未出现的细胞生物断层图上，模型给出了定性上噪声更少的预测，但这些断层图没有真值标注，因此没有报告定量指标。
模型的高灵敏度会把部分类似膜的伪影误判为膜，例如冰污染、边界噪声和碳膜孔洞，这些假阳性需要人工检查与清理。在精确率上，ETSAM相对TARDIS的差异未达到Bonferroni校正后的显著性阈值；在召回率上，相对Membrain-Seg的差异同样未达到该阈值。此外，没有单一logit阈值在所有断层图上都表现最好，用户需要按断层图选择阈值。
