Mar, 2022
癌细胞成像数据的时间和形态药物效应分析自监督学习
Self-supervised learning for analysis of temporal and morphological drug
effects in cancer cell imaging data
TL;DR本文提出两种新方法对影像数据进行时间和形态表型效应研究并将其验证于2D癌细胞培养物中以分析药物效果。通过使用1百万张带有多种增强技术和多个裁剪的图像数据进行卷积自编码器的训练，将其作为特征提取器并通过距离分析和DTW动态时间规整应用于31种药物的时间模式聚类。使用对抗/正则化设置改善31种药物的分类并可视化图像区域，提高了平均8％的排名和发现了一些形态特征的重要性图。作者在文中提供了这一特征提取器和权重以促进生物学中的迁移学习应用，并讨论了其他预训练模型的实用性以及该方法对其他类型的生物医学数据的适用性。