用于冷冻断层成像中大分子分类、分割与粗结构恢复的多任务学习
计算机视觉与模式识别
2018-07-04 v1 机器学习
摘要
细胞电子冷冻断层成像(CECT)是研究单细胞内大分子天然结构与组织的强大3D成像工具。为系统识别与恢复CECT所捕获的大分子结构，已发展出若干重要任务的方法，如子断层图分类与语义分割。然而，由于分子结构高度多样、分子环境拥挤以及CECT的成像局限，大分子结构的识别与恢复仍十分困难。本文提出一种新颖的多任务3D卷积神经网络模型，用于子断层图中感兴趣大分子的同步分类、分割与粗结构恢复。我们的模型中，一个任务学到的图像特征被共享，从而相互强化其他任务的学习。在真实模拟与实验CECT数据上的评估表明，我们的多任务学习模型在分类与分割上优于所有单任务学习方法。此外，我们展示该模型可泛化以发现、分割并恢复训练数据中不存在的新结构。
引用
@article{arxiv.1805.06332,
title = {Multi-task Learning for Macromolecule Classification, Segmentation and Coarse Structural Recovery in Cryo-Tomography},
author = {Chang Liu and Xiangrui Zeng and Kaiwen Wang and Qiang Guo and Min Xu},
journal= {arXiv preprint arXiv:1805.06332},
year = {2018}
}