达尔文神经网络：用于快速可扩展细胞与冠状病毒筛查的基于 AI 的策略
图像与视频处理
2020-07-24 v1 计算机视觉与模式识别
机器学习
摘要
机器感知、计算机视觉与生物医学工程这一交叉科学领域的最新进展支撑了一系列机器学习算法，其具备解读显微镜与纳米镜图像内容的卓越能力。机器学习算法通过与生物成像模态结合使用，正在变革显微镜与纳米镜成像数据的解释与分析。这些进展使研究人员能够开展先前被认为在计算上不可能的实时实验。在此，我们将计算机视觉与机器感知领域中适者生存的理论加以改造，引入一种多类实例分割深度学习新框架——达尔文神经网络（DNN），以对体内收集的 COVID19 与 MERS-CoV 以及体外多种哺乳动物细胞类型进行形态计量分析与分类。
引用
@article{arxiv.2007.11653,
title = {Darwin's Neural Network: AI-based Strategies for Rapid and Scalable Cell and Coronavirus Screening},
author = {Sang Won Lee and Yueh-Ting Chiu and Philip Brudnicki and Audrey M. Bischoff and Angus Jelinek and Jenny Zijun Wang and Danielle R. Bogdanowicz and Andrew F. Laine and Jia Guo and Helen H. Lu},
journal= {arXiv preprint arXiv:2007.11653},
year = {2020}
}
备注
19 pages, 7 figures