计算机工程

作者：朱凌, 王雅萍, 廖丽敏

单位：1. 郑州大学 信息工程学院, 郑州 450001;2. 广东顺德创新设计研究院, 广东 佛山 528311

关键词：数字聚合酶链式反应液滴识别,金字塔卷积网络,多尺度信息,共现注意力,层间相关性,交叉聚合

基金：国家自然科学基金（61772475）；国家自然科学青年基金（61906172）；河南省高等学校重点科研项目计划（20A510009）。

基于深度学习的数字聚合酶链式反应（PCR）液滴识别对PCR图像中的目标进行高阶语义建模，能够减少人工参与特征设计和筛选带来的误差，但忽略了目标的低层物理结构和几何外观细节信息，且在特征建模的过程中重复使用了大量冗余信息，对特征的表征能力有待改善。提出一种共现流增强双向金字塔卷积网络（CoF-BiPCN）框架用于PCR液滴识别和统计。为增强金字塔的内部和层间相关性，设计具有时空分支的双向金字塔卷积网络，从正反2个方向对金字塔卷积网络得到的多尺度特征进行聚合，模拟PCR图像中液滴的上下文语义以及不同层级的细节信息，以捕获液滴的物理外观等低层信息。同时，设计切片的共现注意力（SCo-AN）模块，将不同尺度的高低层信息在不同的切片子空间中进行共享聚合，并交叉传递到不同分支的BiPCN中，强化高低层特征信息的交互和依赖关系，进一步增强信息流对PCR图像上液滴的表征，实现低层和高阶信息流的共享与交叉聚合。实验结果表明，CoF-BiPCN具备良好的识别性能，准确率和平均精度均值分别达到84.74%和45.09%，与Cascade RCNN模型相比分别提高4.3和3.12个百分点。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期