单分子定位显微镜挑战：基于生物学启发的长序列建模基准
机器学习
2026-03-13 v1 定量方法
摘要
状态空间模型（SSM）近期在长序列建模任务中取得了优异性能，相较于基于变换器的架构，在内存和计算效率方面表现更佳。然而，其评估主要局限于合成基准和语言、音频等应用领域，对于生物学成像中稀疏且随机的时序过程尚未得到探讨。本文引入单分子定位显微镜挑战（SMLM-C），一个由十个 SMLM 模拟数据集组成的基准，涵盖 dSTORM 和 DNA-PAINT 两种模态，并通过可调超参数设计以评估状态空间模型在生物学上真实的时空点过程数据上的表现。利用这些模拟数据的受控子集，我们评估了状态空间模型，发现随着时间不连续性的增加，性能显著下降，这揭示了在建模重尾闪烁动力学时面临的根本挑战。这些结果凸显了针对稀疏、不规则时序过程（如实际科学成像数据中常见的情形）所需更合适的序列模型。
引用
@article{arxiv.2603.11296,
title = {Single molecule localization microscopy challenge: a biologically inspired benchmark for long-sequence modeling},
author = {Fatemeh Valeh and Monika Farsang and Radu Grosu and Gerhard Schütz},
journal= {arXiv preprint arXiv:2603.11296},
year = {2026}
}
备注
11 pages, 4 figures. Under review