| 基于增强图卷积神经网络的病毒形态识别方法研究 |
| |
| 引用本文： | 哈艳,袁伟珵,孟翔杰,田俊峰. 基于增强图卷积神经网络的病毒形态识别方法研究[J]. 中国全科医学, 2022, 25(14): 1749-1756. DOI: 10.12114/j.issn.1007-9572.2022.0123 |
| |
| 作者姓名： | 哈艳 袁伟珵 孟翔杰 田俊峰 |
| |
| 作者单位： | 1. 071002 河北省保定市，河北大学管理学院2. 071002 河北省保定市，河北省高可信信息系统重点实验室3. 050017 河北省石家庄市，河北医科大学基础医学院4. 071002 河北省保定市，河北大学数学与信息科学学院5. 071002 河北省保定市，河北大学网络空间安全与计算机学院 |
| |
| 基金项目： | 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) |
| |
| 摘 要： | ![]()
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 |
| 收稿时间： | 2022-03-11 |
Research on Virus Morphology Recognition Method Based on Enhanced Graph Convolutional Network |
| |
| Yan HA,Weicheng YUAN,Xiangjie MENG,Junfeng TIAN. Research on Virus Morphology Recognition Method Based on Enhanced Graph Convolutional Network[J]. Chinese General Practice, 2022, 25(14): 1749-1756. DOI: 10.12114/j.issn.1007-9572.2022.0123 |
| |
| Authors: | Yan HA Weicheng YUAN Xiangjie MENG Junfeng TIAN |
| |
| Affiliation: | 1. School of Management, Hebei University, Baoding 071002, China2. Key Laboratory on High Trusted Information System in Hebei Province, Baoding 071002, China3. School of Basic Medicine, Hebei Medical University, Shijiazhuang 050017, China4. College of Mathematics and Information Science, Hebei University, Baoding 071002, China5. School of Cyber Security and Computer, Hebei University, Baoding 071002, China |
| |
| Abstract: | ![]()
|
| |
| Keywords: | Virus morphological classification Neural networks computer Convolutional neural network Graph convolutional network Enhanced graph convolutional network |
|
| 点击此处可从《中国全科医学》浏览原始摘要信息 |
|
点击此处可从《中国全科医学》下载全文 |
