TUNet：引入分割图以改进分类
计算机视觉与模式识别
2019-02-01 v1 机器学习
机器学习
摘要
确定特定蛋白质在人细胞中的定位对于理解潜在疾病的细胞功能和生物过程十分重要。在成像技术中，高通量荧光显微镜成像是一种对细胞中目标蛋白进行染色的有效生物技术。在这项工作中，我们提出一种新颖的分类模型 Twin U-Net（TUNet），用于处理并分类 Atlas 图像中蛋白质的归属。已采用包括 GoogleNet 和 Resnet 在内的若干著名深度学习模型进行比较。结果表明我们的系统取得了有竞争力的性能。
引用
@article{arxiv.1901.11379,
title = {TUNet: Incorporating segmentation maps to improve classification},
author = {Yijun Tian},
journal= {arXiv preprint arXiv:1901.11379},
year = {2019}
}