用于免疫金颗粒检测与识别的栈式去噪自编码器及迁移学习
计算机视觉与模式识别
2017-12-11 v1
摘要
本文提出了一种用于免疫金颗粒检测的系统，以及用于这些免疫金颗粒识别的迁移学习（TL）框架。免疫金颗粒是一种高倍放大方法的一部分，该方法用于在亚细胞水平选择性定位生物分子，仅可通过电子显微镜观察到。细胞壁中免疫金颗粒的数量可用于评估其组成差异，为分析不同植物的质量提供工具。其量化需要对包含数百个颗粒的图像进行繁重的手动标注（或注释）。本文提出的系统可显著减轻这一手动任务的负担。对于颗粒检测，我们使用 LoG 滤波器与 SDA 相结合。为提高识别率，我们还研究了 TL 设置对免疫金识别的适用性。TL 将源问题的学习模型复用于包含不同大小颗粒的其他数据集（目标问题）。所提出的系统是为解决玉米细胞上的一个特定问题而开发的，即确定胚乳转移细胞细胞壁向内生长物的组成。这一新颖数据集以及用于复现我们实验的代码均已公开。我们确定，单独的 LoG 检测器在 F-measure 下达到了超过 84% 的准确率。采用 TL 开发免疫金识别相比基线模型也提供了更优的性能，将准确率提高了 10%。
引用
@article{arxiv.1712.02824,
title = {Stacked Denoising Autoencoders and Transfer Learning for Immunogold Particles Detection and Recognition},
author = {Ricardo Gamelas Sousa and Jorge M. Santos and Luís M. Silva and Luís A. Alexandre and Tiago Esteves and Sara Rocha and Paulo Monjardino and Joaquim Marques de Sá and Francisco Figueiredo and Pedro Quelhas},
journal= {arXiv preprint arXiv:1712.02824},
year = {2017}
}