基于双路径网络的纳米孔传感信号深度学习
信号处理
2021-05-11 v1 机器学习
生物物理
摘要
易位目标分析物引起的纳米孔传感器电阻暂态变化，作为电流迹线上的脉冲序列被记录。针对类脉冲信号中特征提取的流行算法缺乏客观性，因为经验幅度阈值由用户定义以从噪声背景中挑出脉冲。本文中，我们采用基于双路径网络(B-Net)的深度学习进行特征提取。训练后，B-Net无需先验给定参数即可获得典型脉冲以及脉冲识别与特征提取能力。B-Net性能在生成数据集上评估，并进一步应用于DNA与蛋白质易位的实验数据。B-Net结果展现出极小的相对误差与稳定趋势。B-Net还被证明能处理信噪比为1的数据，而这是基于阈值的算法不可能做到的。所开发的B-Net可通用于脉冲状信号，不限于纳米孔脉冲电流。
引用
@article{arxiv.2105.03660,
title = {Deep learning of nanopore sensing signals using a bi-path network},
author = {Dario Dematties and Chenyu Wen and Mauricio David Pérez and Dian Zhou and Shi-Li Zhang},
journal= {arXiv preprint arXiv:2105.03660},
year = {2021}
}