基于注意力深度多示例学习并结合持续同调解释的细菌克隆分类
计算机视觉与模式识别
2021-07-26 v2 人工智能
摘要
在这项工作中，我们分析了是否仅基于显微图像就能区分同一细菌物种（肺炎克雷伯菌，Klebsiella pneumoniae）的不同克隆。这是一项具有挑战性的任务，此前被认为因克隆间高度相似而无法实现。为此，我们应用了带有注意力机制的多示例学习（multiple instance learning）多步算法。除了获得 0.9 量级的准确率外，我们基于 CellProfiler 和持续同调（persistence homology）引入了广泛的可解释性，提升了对模型的理解与信任。
引用
@article{arxiv.2012.01189,
title = {Classifying bacteria clones using attention-based deep multiple instance learning interpreted by persistence homology},
author = {Adriana Borowa and Dawid Rymarczyk and Dorota Ochońska and Monika Brzychczy-Włoch and Bartosz Zieliński},
journal= {arXiv preprint arXiv:2012.01189},
year = {2021}
}
备注
Published at the International Joint Conferences on Neural Networks