10.19678/j.issn.1000-3428.0062060
基于共现流增强双向金字塔卷积网络的密集液滴识别
基于深度学习的数字聚合酶链式反应(PCR)液滴识别对PCR图像中的目标进行高阶语义建模,能够减少人工参与特征设计和筛选带来的误差,但忽略了目标的低层物理结构和几何外观细节信息,且在特征建模的过程中重复使用了大量冗余信息,对特征的表征能力有待改善.提出一种共现流增强双向金字塔卷积网络(CoF-BiPCN)框架用于PCR液滴识别和统计.为增强金字塔的内部和层间相关性,设计具有时空分支的双向金字塔卷积网络,从正反2个方向对金字塔卷积网络得到的多尺度特征进行聚合,模拟PCR图像中液滴的上下文语义以及不同层级的细节信息,以捕获液滴的物理外观等低层信息.同时,设计切片的共现注意力(SCo-AN)模块,将不同尺度的高低层信息在不同的切片子空间中进行共享聚合,并交叉传递到不同分支的BiPCN中,强化高低层特征信息的交互和依赖关系,进一步增强信息流对PCR图像上液滴的表征,实现低层和高阶信息流的共享与交叉聚合.实验结果表明,CoF-BiPCN具备良好的识别性能,准确率和平均精度均值分别达到84.74%和45.09%,与Cascade RCNN模型相比分别提高4.3和3.12个百分点.
数字聚合酶链式反应液滴识别、金字塔卷积网络、多尺度信息、共现注意力、层间相关性、交叉聚合
48
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;河南省高等学校重点科研项目
2022-09-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
241-246,253