基于更快深度集成平均的彗星 assay 图像DNA损伤量化及不确定度估计
定量方法
2021-12-28 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
若干神经退行性疾病涉及细胞DNA损伤的累积。彗星 assay 是估计DNA损伤程度的常用方法。当前关于使用深度学习量化DNA损伤的文献呈现了一种超参数优化的经验性方法，且未包含不确定度估计。深度集成平均是估计不确定度的标准方法，但需要多次网络训练迭代，因而耗时。此处我们提出一种量化DNA损伤程度的方法，将深度学习与借助统计检验优化超参数的严格且全面的方法相结合。我们还使用了一种允许更快计算深度集成平均的架构，并执行适用于采用迁移学习网络的统计检验。我们将该方法应用于含1300余张图像的彗星 assay 数据集，取得了0.84的，其中输出包含每次预测的置信区间。所提架构优于现有方法，因其将不确定度估计加速30倍且统计上更严谨。
引用
@article{arxiv.2112.12839,
title = {Faster Deep Ensemble Averaging for Quantification of DNA Damage from Comet Assay Images With Uncertainty Estimates},
author = {Srikanth Namuduri and Prateek Mehta and Lise Barbe and Stephanie Lam and Zohreh Faghihmonzavi and Steve Finkbeiner and Shekhar Bhansali},
journal= {arXiv preprint arXiv:2112.12839},
year = {2021}
}