面向显微镜领域的自监督视觉 Transformer 蛋白质定位的泛化

任务特定的显微镜数据集往往规模较小，难以训练出具备鲁健特征表示的深度学习模型。自监督学习（SSL）可通过在大规模无标签数据集上进行预训练来缓解此问题，但仍不明确此类表示在不同显微镜领域（具有不同染色方案和通道配置）之间的迁移效果如何。我们针对 OpenCell 数据集上的蛋白质定位任务，检验基于 DINO 预训练的视觉 Transformer 在跨域迁移方面的能力。我们使用三种在 ImageNet-1k、Human Protein Atlas（HPA）以及 OpenCell 上预训练的 DINO 主干网络生成图像嵌入，并在 OpenCell 标签上训练监督分类头进行评估。所有预训练模型都能良好迁移，其中针对显微镜数据的 HPA 预训练模型取得最佳性能（平均宏 $F_1$ -分数 = 0.8221 $\pm$ 0.0062），略胜于在 OpenCell 上直接训练的 DINO 模型（0.8057 $\pm$ 0.0090）。这些结果凸显了大规模预训练的价值，表明领域相关的 SSL 表示可有效泛化到与之相关但不同构的显微镜数据集，即使在标签数据有限的情况下也能实现卓越的下游性能。