arXiv · cs.AI· Jayanie Bogahawatte·· 18 天前AI 评分24
面向弱标注生物影像数据的模型无关知识增强机器学习方法
Model-agnostic Knowledge Augmented Machine Learning for Weakly Annotated Bioimaging Data
来源与原文
arXiv · cs.AI
作者：Jayanie Bogahawatte
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13637v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出一种模型无关的知识增强方法，让 ML 模型在弱标注生物影像数据上利用自动特征提取之外的领域知识，在七种 ML 架构上均提升分类性能。与 masked autoencoder 自监督学习结合时效果最强，在三个自建显微镜数据集上精度较次优方法提升 2.9%，在三个公开细胞形态学基准上平均提升 6.8%。该方法用于 TDP-43 蛋白核质错位的细胞核级分类，揭示了 MG132 与亚砷酸钠的剂量依赖效应等 ALS 相关生物学发现。
来源：arXiv · cs.AI · arxiv.org