基於深度隨機場的跨域細胞行為檢測方法研究

《基於深度隨機場的跨域細胞行為檢測方法研究》是依託天津大學，由劉安安擔任項目負責人的面上項目。

基本介紹

• 中文名：基於深度隨機場的跨域細胞行為檢測方法研究
• 項目類別：面上項目
• 項目負責人：劉安安
• 依託單位：天津大學

項目摘要

細胞行為自動檢測是當前高通量細胞生理周期定量分析亟待解決的問題。針對該問題，擬提出基於深度隨機場的跨域細胞行為檢測方法。該方法包括細胞行為候選序列提取、低層特徵表示和細胞行為建模三個部分，本課題將重點研究基於深度隨機場的細胞行為建模問題，具體包括：(1) 模型構建：擬利用細胞生物學知識引導聯合序列分類和標註的圖模型設計，同時繼承深度神經網路的非線性特徵學習能力和隨機場的序列結構學習能力，通過序列特徵和序列結構的聯合學習，實現細胞行為的聯合識別和定位；(2) 模型學習：擬構建深度隨機場跨域學習的目標函式並設計相應參數最佳化算法，從而聯合利用跨域數據增加模型的泛化能力；(3) 模型推斷：擬設計融合序列類別標記和段級結構標記的動態規划算法，從而實現二者的聯合最優推斷。本課題研究有利於跨域細胞行為自動檢測系統構建，相關研究成果將有利於信息科學自身發展，並對生命科學新規律的探索具有重要意義。

結題摘要

細胞分裂自動檢測對於新生命科學規律的探索以及組織工程、藥物研發等領域的發展具有重要意義。本課題面向信息與生命交叉學科問題，提出基於深度隨機場的跨域細胞行為檢測方法，主要成果包括三方面：(1) 模型構建：利用細胞生物學知識引導聯合序列分類和標註的圖模型設計，同時繼承深度神經網路的非線性特徵學習能力和隨機場的序列結構學習能力，通過序列特徵和序列結構的聯合學習，實現細胞行為的聯合識別和定位；(2) 模型學習：構建深度隨機場跨域學習的目標函式並設計相應參數最佳化算法，從而聯合利用跨域數據增加模型的泛化能力；(3) 模型推斷：設計融合序列類別標記和段級結構標記的動態規划算法，從而實現二者的聯合最優推斷。本課題研究成果顯著提高了細胞分裂識別的查全率和查準率，降低了細胞分裂定位的誤差。通過大規模比較試驗證明所提出方法優於當前領域的代表性方法。在此基礎上，構建了基於深度隨機場的細胞分裂檢測系統，為探索細胞生理周期與外界環境因素的潛在關係提供技術基礎。 研究成果：（1）共發表論文37篇，SCI刊源論文30篇（ESI熱點論文2篇，ESI高被引論文4篇，JCR一區論文5篇，二區論文12篇，人工智慧領域頂級期刊T-PAMI一篇，醫學圖像處理領域頂級期刊T-MI一篇），CCF-A類國際會議長文4篇；受邀撰寫專著章節1部；申請發明專利36項,授權5項；（2）國際交流：負責人6次擔任領域著名國際期刊客座編委，2次擔任CVPR Workshop共同主席，團隊先後9人次參加國際會議，並做國際會議報告6次；課題組保持和卡耐基·梅隆大學、新加坡國立大學等著名團隊合作，以期形成交叉學科領域研究的特色方向。（3）人才培養：晉升教授1名、副教授1名，培養講師2名、在讀博士生4名、在讀碩士生10名、畢業碩士生8名；（4）項目資助：以該項目研究成果為依託，負責人成功申請天津市自然科學基金1項，並獲得天津大學“北洋青年學者”人才項目資助。