DeepContact通过语义分割算法预测二维电镜图片中的不规则ER网络的整体特征，运用实例分割算法预测形状规则细胞器形态特征，可分割量化细胞器形态参数，并通过提取细胞器边缘信息进一步量化特定细胞器间距上的MCS比率信息。可进行无标记辅助的准确、灵活、直观、全面的可视化和统计量化结果输出，并可通过主动学习方法将新细胞器形态高效的扩展到细胞器预测模型中。

　　DeepContact可满足细胞器互作与生物医学功能相关性分析的需求。具备高通量样本分析能力以及组织内特异细胞类型分析能力，可扩展应用于细胞器互作网络的相关性研究、以及医学超微病理学研究。

　　中国科学院生物物理研究所徐涛院士、胡俊杰研究员，计算技术研究所肖立副研究员为本共同通讯作者。徐涛院士课题组博士后刘丽清，肖立团队硕士研究生杨树鑫为文共同第一作者。计算技术研究所硕士研究生刘阳和生物物理研究所生物成像中心李喜霞高级工程师参与了本项工作。电镜制样和数据收集工作得到了生物物理所生物成像中心相关工作人员的大力支持和帮助。本项目得到国家自然科学基金委员会项目，科技部重点研发计划和中国科学院战略重点研究计划支持。