透射电子显微镜图像中观测到的DNA折纸纳米结构可通过卷积神经网络进行表征
化学物理
2025-03-17 v1 计算机视觉与模式识别
摘要
人工智能(AI)模型仍然是加速材料设计与开发的新兴策略。我们证明了卷积神经网络(CNN)模型可以表征用于可编程自组装的DNA折纸纳米结构，这在生物医学等许多应用中非常重要。具体而言，我们基准测试了9个CNN模型——即AlexNet、GoogLeNet、VGG16、VGG19、ResNet18、ResNet34、ResNet50、ResNet101和ResNet152——以表征透射电子显微镜(TEM)图像中DNA折纸纳米结构的连接数。我们首先使用来自粗粒化(CG)分子动力学(MD)模拟的720张图像的大型图像数据集预训练CNN模型。然后，我们使用包含146张TEM图像的小型实验TEM数据集微调预训练的CNN模型。所有CNN模型被发现具有相似的计算时间需求，而其模型大小和性能各不相同。我们使用20张测试MD图像证明，在所有预训练的CNN模型中，ResNet50和VGG16具有最高和第二高的准确率。在微调模型中，发现VGG16在测试TEM图像上具有最高的一致性。因此，我们得出结论，微调的VGG16模型可以快速表征大型TEM图像中纳米结构的连接数。
引用
@article{arxiv.2503.10950,
title = {DNA Origami Nanostructures Observed in Transmission Electron Microscopy Images can be Characterized through Convolutional Neural Networks},
author = {Xingfei Wei and Qiankun Mo and Chi Chen and Mark Bathe and Rigoberto Hernandez},
journal= {arXiv preprint arXiv:2503.10950},
year = {2025}
}