10:35
官方账号arXiv cs.LG@Serena Su, Yifan Wang, Senwei Liang
推荐理由：这篇论文用深度学习从微流体轨迹里识别癌细胞表型，提出了一个叫SubSeq的增强方法，比基线更准，还告诉你模型在看哪些物理区域。
生物物理
共 1 条相关 AI 资讯
8月18日
10:35
该论文提出一种可解释且数据高效的深度神经网络框架，用于基于轨迹的循环肿瘤细胞（CTC）表型分类。为解决轨迹数据稀缺问题，作者开发了SubSeq靶向增强策略，在训练时随机提取局部轨迹片段，促进模型从局部模式中学习。实验表明，SubSeq相比基线和其他增强方法提升了分类准确率。梯度加权类激活映射分析显示，局部轨迹片段包含大量与准确分类相关的生物物理信息，同时表明全长轨迹存在冗余。该框架将微流体几何视为细胞力学特性的物理编码器，为诊断设备设计提供机制性见解。