단백질 세포내 위치 이미지를 자동으로 분류하기 위한 다해상도 접근법

배경: 형광 현미경은 단백질의 세포내 위치를 결정하는 데 널리 사용됩니다. 프로테옴 전반에 걸쳐 위치를 결정하려는 노력은 결과 이미지를 분석하기 위한 자동화된 방법의 필요성을 만들어냅니다. 지난 10년 동안, 다양한 특징 세트와 분류기를 사용하여 모든 주요 세포내 위치 패턴을 인식하기 위해 기계 학습 방법을 사용하는 것이 실용적이라는 것이 설득력 있게 입증되었습니다. 잘 연구된 2D HeLa 단일 세포 이미지를 기반으로 한 데이터 세트에서, 현재까지 최고의 성능인 91.5%는 다해상도 특징 세트를 포함하여 얻어졌습니다. 이는 이 중요한 문제에 대한 다해상도 접근법의 가치를 입증합니다. 결과: 우리는 다해상도 하위 공간에서 분류하여 세포내 위치 패턴을 분류하기 위한 새로운 접근법을 보고합니다. 우리의 시스템은 모든 특징 세트와 모든 분류기와 함께 작업할 수 있습니다. 이는 다해상도(MR) 분해 후 각 MR 하위 공간에서 특징 계산 및 분류를 포함하며, 이를 통해 지역 결정을 얻고 이를 통합하여 글로벌 결정을 생성합니다. 26개의 텍스처 특징만을 사용하고 신경망 분류기를 통해, 우리는 2D HeLa 데이터 세트에서 정확도를 95.3%로 향상시켰습니다. 결론: 우리는 다해상도 하위 공간의 공간-주파수 집중 정보가 시스템의 구별력을 상당히 향상시킨다는 것을 입증합니다. 더욱이, 우리는 우리의 새로운 수정된 하랄릭 텍스처 특징으로 구성된 매우 축소된 특징 세트가 충분하다는 것을 보여줍니다. 우리가 제안하는 시스템은 일반적이며, 특징 세트의 조합과 분류기 조합을 허용합니다.