Grad-CAMO: 从 3D 细胞油画图像中学习可解释的单细胞形态特征
原文约400字/词，阅读约需1分钟。发表于：。深度学习模型在基于图像的药物发现中被广泛用于从显微镜图像中提取单个细胞的特征向量。通过使用可视解释性技术（例如 Grad-CAM），我们发现了监督模型在提取形态特征时作弊的几种机制，即从图像中提取生物学无关的像素，如背景噪音。为了解决研究者期望和机器行为之间的错位，我们引入了 Grad-CAMO，一种用于监督特征提取器的新型单细胞可解释性评分。Grad-CAMO...
深度学习模型在药物发现中广泛使用。研究发现模型在提取形态特征时存在作弊机制，提出了一种新的评估方法Grad-CAMO，可审计细胞特征向量并指导深度学习架构改进设计。Grad-CAMO可无缝集成到现有工作流程中，与2D和3D细胞图像数据兼容。
