利用细胞内微管网络显微镜图像进行细胞分类的深度学习
图像与视频处理
2020-12-23 v1 计算机视觉与模式识别
机器学习
摘要
微管网络（MTs）是细胞的一种组分，可指示多种化学化合物的存在，并可用于识别诸如治疗耐药性等的特性。因此，MT 图像的分类对于细胞诊断具有重要意义。人类专家发现尤其难以识别细胞所受化学化合物暴露的水平。利用自动化技术提高准确性将对细胞治疗产生重大影响。在本文中，我们展示了深度学习在 MT 图像分类中的应用，并在一个具有三种化学试剂暴露程度的大型动物细胞 MT 图像数据集上进行了评估。结果表明，所学习的深度网络在相应的细胞分类任务上表现与人类专家相当或更好。具体而言，我们表明，识别不同化学试剂暴露水平的任务可由神经网络显著优于人类专家地处理。
引用
@article{arxiv.2012.12125,
title = {Deep Learning of Cell Classification using Microscope Images of Intracellular Microtubule Networks},
author = {Aleksei Shpilman and Dmitry Boikiy and Marina Polyakova and Daniel Kudenko and Anton Burakov and Elena Nadezhdina},
journal= {arXiv preprint arXiv:2012.12125},
year = {2020}
}