【前沿速遞】人工智慧助力病毒形態識別

病毒形態識別是病毒鑑定的重要手段之一，目前病毒形態鑑定主要依靠人力，且需要具有豐富經驗的人員才能做出準確判斷。近日，中國疾病預防控制中心病毒病預防控制所宋敬東副研究員團隊聯合中科院自動化所韓華研究員團隊，合作設計了一套高效精準的AI算法，提出的基於多重注意力機制的病毒分類網絡，可以自動獲取電子顯微鏡圖片中的病毒圖像並準確判別病毒種類。專家需要花費數十分鐘才能識別完成的數百張病毒電鏡圖片，該算法能夠在幾秒鐘內完成。該方法top-1分類誤差率僅為4.285%，準確率超過了ResNet, DensenNet, RAN等深度神經網絡以及相關的病毒形態專家。相關研究成果發表在知名學術期刊"Computer Methods and Programs in Biomedicine"。

透射電子顯微鏡是目前唯一能直接觀察病毒結構細節的技術手段，被廣泛應用於病毒形態分析與鑑定。在新發、突發及生物恐怖事件病原體的檢測中，電子顯微鏡技術是最優先選擇的方法之一，發揮「偵察兵」的作用。目前，對於電鏡照片內病毒影像的分析與判別尚缺乏快速、高通量的手段。因此，自動化、高通量、高精度的病毒影像識別方法對於病毒的電子顯微鏡快速診斷至關重要。

鑑於上述問題，該論文提出了一種基於多重注意力機制的病毒分類網絡，可以自動分析負染電鏡圖像中的病毒種類。病毒分類網絡的輸入為負染電鏡圖像，輸出為該圖像中病毒的類別。網絡由17個殘差通道域注意力模型（residual channel attention, RCA）和3個自下而上和自頂向下的注意力模型（bottom-up and top-down, BTA）組成。其中，RCA模型利用圖像通道之間的關聯，能夠增強通道中目標的響應能力，而BTA模型則用於提取顯著性區域的特徵，進一步提高病毒的識別準確率。

基於多重注意力機制的病毒分類網絡結構圖

本研究對細小病毒、披膜病毒、甲型流感病毒、腺病毒、小RNA病毒、副粘病毒、多瘤病毒、皰疹病毒、絲狀病毒、副痘病毒、輪狀病毒以及正痘病毒12種不同家族病毒的1690張照片（共計包含數萬個病毒顆粒）進行實驗驗證。實驗結果顯示，本文方法的病毒識別效果優於其它state-of-the-art方法。

論文病毒分類方法與state-of-the-art方法的對比結果

綜上所述，研究者們設計了一套適用於電子顯微鏡病毒照片多種病毒的自動分類算法，可以有效減少相關專家在識別與分析病毒形態過程中對人工的依賴，對病毒鑑定有著積極的推動作用。研究結果以「Virus Identification in Electron Microscopy Images by Residual MixedAttention Network」為題發表。肖馳博士為論文第一作者，宋敬東副研究員、韓華研究員為共同通訊作者。

論文連結：

https://www.sciencedirect.com/science/article/pii/S0169260720315996?dgcid=author

本期編輯：左腦