一种采用深度多注意力通道网络通过荧光显微镜自主检测转移细胞的新型框架
图像与视频处理
2024-09-04 v1 计算机视觉与模式识别
机器学习
摘要
我们开发了一个透明的、基于计算大规模成像的框架，可区分正常人类细胞与转移细胞。该方法依赖于显示正常与转移单细胞中肌动蛋白与波形蛋白丝空间组织的荧光显微镜图像，结合多注意力通道网络与全局可解释技术。我们对正常细胞（Bj 原代成纤维细胞）及其同基因匹配、转化且具侵袭性的对应细胞（BjTertSV40TRasV12）进行分类测试。由于生物相关特征的复杂性，手动标注难以自动化。本研究中，我们使用了已有的深度学习网络及我们新的多注意力通道架构。为提升网络的可解释性——对此应用领域至关重要——我们开发了一种可解释的全局可解释方法，将完整细胞图像的加权几何均值与其局部 GradCam 分数相关联。我们分析得出的显著结果前所未有地允许对伴随正常细胞向侵袭性与转移性细胞致癌转化的细胞骨架变化，获得更细致且具生物学相关性的理解。我们也为未来开发针对转移的诊断工具之可能的空间微米级生物标志物（波形蛋白的空间分布）铺平了道路。
引用
@article{arxiv.2309.00911,
title = {A novel framework employing deep multi-attention channels network for the autonomous detection of metastasizing cells through fluorescence microscopy},
author = {Michail Mamalakis and Sarah C. Macfarlane and Scott V. Notley and Annica K. B Gad and George Panoutsos},
journal= {arXiv preprint arXiv:2309.00911},
year = {2024}
}