SEMPAI：一种用于肌肉功能与病理先验评估的自增强多光子人工智能
计算机视觉与模式识别
2022-10-31 v1 机器学习
定量方法
摘要
深度学习（DL）在生物医学研究中取得显著成功。然而，大多数 DL 算法作为黑箱运作，将生物医学专家排除在外，且需要大量数据。我们提出自增强多光子人工智能（SEMPAI），将数据驱动的 DL 方法与假设驱动的先验相整合，用于肌纤维多光子显微镜（MPM）研究。SEMPAI 利用元学习同时优化先验整合、数据表示与神经网络架构。这使得假设检验成为可能，并提供关于 MPM 图像中生物信息来源的可解释反馈。SEMPAI 对多个任务进行联合学习，以实现小数据集上的预测。该方法应用于一个广泛的多研究数据集，实现了针对单肌纤维的病理与功能的最大规模联合分析。SEMPAI 在七项预测任务中的六项上超越最先进的生物标志物，包括数据稀缺的任务。SEMPAI 整合了先验的 DL 模型优于无先验模型以及仅基于先验的机器学习方法。
引用
@article{arxiv.2210.16273,
title = {SEMPAI: a Self-Enhancing Multi-Photon Artificial Intelligence for prior-informed assessment of muscle function and pathology},
author = {Alexander Mühlberg and Paul Ritter and Simon Langer and Chloë Goossens and Stefanie Nübler and Dominik Schneidereit and Oliver Taubmann and Felix Denzinger and Dominik Nörenberg and Michael Haug and Wolfgang H. Goldmann and Andreas K. Maier and Oliver Friedrich and Lucas Kreiss},
journal= {arXiv preprint arXiv:2210.16273},
year = {2022}
}