-
题名基于增强图卷积神经网络的病毒形态识别方法研究
被引量:3
- 1
-
-
作者
哈艳
袁伟珵
孟翔杰
田俊峰
-
机构
河北大学管理学院
河北省高可信信息系统重点实验室
河北医科大学基础医学院
河北大学数学与信息科学学院
河北大学网络空间安全与计算机学院
-
出处
《中国全科医学》
CAS
北大核心
2022年第14期1749-1756,共8页
-
基金
国家自然科学基金资助项目(61802106)
河北省自然科学基金资助项目(F2021201049)。
-
文摘
背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的病毒形态自动识别问题,以提高TEM病毒检测的效率。方法EGCN模型利用卷积神经网络(CNN)提取像素间的局部特征信息,并结合样本特征之间的最近邻关系利用图卷积网络(GCN)进行图特征学习。在模型优化中联合优化群体超分类损失和分类交叉熵损失以提高EGCN模型对病毒类别信息特征的提取能力,较CNN对TEM病毒图像特征具备更强的特征提取能力。结果通过不同方法在15类TEM病毒图像数据集上开展实验,EGCN达到3.40%的top-1错误率、1.88%的top-2错误率、96.65%的精确度和96.60%的召回率,并通过一系列对比实验表明EGCN模型可以有效避免TEM图像中背景、噪声等的影响,提高对病毒识别的准确率。结论EGCN可以有效解决病毒形态识别任务,为病毒的诊断提供重要的参考价值。
-
关键词
病毒形态分类
神经网络
计算机
卷积神经网络
图卷积网络
增强图卷积神经网络
-
Keywords
Virus morphological classification
Neural networks,computer
Convolutional neural network
Graph convolutional network
Enhanced graph convolutional network
-
分类号
R319
[医药卫生—基础医学]
-