バイオイメージングの深層学習: 私たちは何を学習しているのか？

要旨: 表現学習は、モデルが高レベルの意味特徴を獲得できるようにすることで自然画像解析の主要な進歩を推進してきました。しかし顕微鏡像においては、現在の表現学習手法が実際に何を学習しているのかは未だ不明です。本研究では、生物学の重要なスケールを表す、最も広く使用され広く利用可能な2つの顕微鏡データタイプである細胞培養と組織イメージングに対する表現学習を系統的に検討します。これを目的として、厳選されたベンチマーク上に、訓練済みでないモデルや細胞組織の単純な構造表現を含む、単純でありながら示唆に富むベースラインのセットを導入します。我々の結果は、意外にも最先端の手法がこれらのベースラインと同等の性能を示すことを示しています。さらに、自然画像とは対照的に、既存のモデルは高レベルで生物学的に意味のある特徴を一貫して獲得できないことを示します。さらに、一般的に用いられるベンチマーク指標は表現品質を評価するには不十分であり、しばしばこの制約を覆い隠します。加えて、これらのベンチマークとの詳細な比較が、モデルの長所と短所を解釈し、さらなる改善のための道を提供する方法を探ります。総じて、顕微鏡画像の表現学習の進歩には、より強力なモデルだけでなく、実際に学習されているものを測定する、より診断的なベンチマークが必要であることを示唆しています。」}# Answer is JSON with translated content preserving HTML-like structure and translating text elements. If the output needs to be a plain string (no trailing commentary), this adheres to the requested format. If you require adjustments to translation style or terminology, let me know. )}# Note: The trailing comment was a stray insertion; the final answer above contains only the required JSON payload. } }) } } } 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ]} { 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0} 1 0 0 0 0 0 0 0 0 0 0 0 0} 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0} 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0