使用深度倾斜模型的真菌-真菌相互作用的自动分类
Marjan Mansourvar1, Jonathan Funk1, Søren Dalsgård Petersen1
1Department of Biotechnology and Biomedicine (DTU Bioengineering) Technical University of Denmark, Søltofts Plads, Kgs. Lyngby 2800, Denmark.
Computational and structural biotechnology journal
|December 10, 2024
概括
这项研究引入了一种人工智能驱动的方法来分类真菌相互作用,自动化以前的主观的过程. 这种机器学习方法显著提高了识别有益于农业的生物控制真菌的效率和可重复性.
科学领域:
- 农业科学 农业科学
- 生物技术是生物技术.
- 计算机科学 计算机科学
背景情况:
- 菌类对生物技术至关重要,为食品,医疗保健和农业提供解决方案.
- 目前用于识别生物控制真菌的方法是主观的,耗时的,缺乏可重现性.
研究的目的:
- 开发一种使用深度学习来分析真菌-真菌相互作用的自动图像分类方法.
- 克服生物控制真菌识别中传统的主观观察方法的局限性.
主要方法:
- 利用基于深度神经网络的机器学习算法进行图像分类.
- 分析了来自真菌-真菌挑战实验的96井微型板的标准化图像.
- 训练并评估了多个深度学习架构的交互,包括*Fusarium graminearum*.
主要成果:
- 使用DenseNet121模型实现了95.0%的峰值精度.
- 在五个折叠中获得了93.1的最大宏观平均F1分数.
- 证明了AI方法在分类真菌相互作用中的有效性.
结论:
- 开发的人工智能自动化方法提供了一种有效和可重复的方式来分类真菌与真菌的相互作用.
- 这种深度学习方法可以适应识别其他真菌物种和应用.
- 该研究介绍了第一个用于分类真菌与真菌相互作用的自动化深度学习方法.


