[论文解读] Deep Learning-Based Strategy for Macromolecules Classification with Imbalanced Data from Cellular Electron Cryotomography

Ziqian Luo, Xiangrui Zeng+2 more|arXiv (Cornell University)|Aug 27, 2019

Cell Image Analysis Techniques参考文献 43被引用 4

一句话总结

本文提出一种多路径卷积神经网络（CNN），结合焦点损失（focal loss）与混合增强（mixup augmentation），以解决从细胞冷冻电子断层成像（Cryo-ET）数据中进行大分子复合物分类时的类别不平衡问题。通过为每个低频类别训练专用路径，并利用集成学习方法进行融合，该方法在类别不平衡数据集上实现了卓越性能，标志着计算生物学领域首次将深度学习应用于此类问题。

ABSTRACT

Deep learning model trained by imbalanced data may not work satisfactorily since it could be determined by major classes and thus may ignore the classes with small amount of data. In this paper, we apply deep learning based imbalanced data classification for the first time to cellular macromolecular complexes captured by Cryo-electron tomography (Cryo-ET). We adopt a range of strategies to cope with imbalanced data, including data sampling, bagging, boosting, Genetic Programming based method and. Particularly, inspired from Inception 3D network, we propose a multi-path CNN model combining focal loss and mixup on the Cryo-ET dataset to expand the dataset, where each path had its best performance corresponding to each type of data and let the network learn the combinations of the paths to improve the classification performance. In addition, extensive experiments have been conducted to show our proposed method is flexible enough to cope with different number of classes by adjusting the number of paths in our multi-path model. To our knowledge, this work is the first application of deep learning methods of dealing with imbalanced data to the internal tissue classification of cell macromolecular complexes, which opened up a new path for cell classification in the field of computational biology.

研究动机与目标

• 解决来自Cryo-ET数据集中大分子复合物分类中的类别不平衡挑战，其中某些类别的样本数量比其他类别少几个数量级。
• 开发一种灵活的深度学习框架，能够处理类别不平衡生物成像数据中不同数量的类别。
• 在新型CNN架构中应用并评估多种类别不平衡数据处理策略——如数据采样、袋装（bagging）、提升（boosting）和遗传编程——的效果。
• 证明结合焦点损失与混合增强在提升三维细胞断层图中少数类别识别能力方面的有效性。
• 为近天然细胞环境中基于深度学习的大分子复合物分类建立新的基准。

提出的方法

• 提出一种多路径CNN架构，其中每条路径针对特定的大分子类别进行优化，从而提升对代表性不足类别的分类性能。
• 集成焦点损失，以减少训练过程中易分类、主导类别对模型的影响，使学习更聚焦于难分类、稀有样本。
• 应用混合数据增强技术，通过输入图像与标签的线性插值生成合成训练样本，提升模型泛化能力。
• 每条路径采用二分类策略，即每个路径学习将某一类别与其他所有类别区分开来，最终通过集成投票方式实现多分类预测。
• 利用遗传编程演化出在不进行数据重加权的前提下，对少数类与多数类均表现良好的分类器。
• 通过调整路径数量以适应不同目标类别数量，提升模型在多样化生物数据集中的适应性与灵活性。

实验结果

研究问题

• RQ1 与标准深度学习模型相比，具有类别特异性路径的多路径CNN架构是否能在类别不平衡的Cryo-ET数据集中提升分类准确率？
• RQ2 焦点损失与混合增强在缓解三维细胞断层摄影中类别不平衡负面影响方面的有效性如何？
• RQ3 袋装、提升与遗传编程等集成策略能否与多路径CNN有效结合，以增强对少数类别的检测能力？
• RQ4 通过调整路径数量，该模型在不同类别数量下的泛化能力能达到何种程度？
• RQ5 该方法是否为Cryo-ET中大分子复合物分类首次成功应用结合不平衡数据技术的深度学习方法？

主要发现

• 结合焦点损失与混合增强的多路径CNN在类别不平衡的Cryo-ET数据上达到了最先进性能，显著优于传统分类器如GSVM-RU。
• 该模型展现出高度适应性，在调整路径数量后，能在二类、三类与四类分类任务中均保持优异性能。
• 实验结果证实，将焦点损失与混合增强结合可实现最佳整体分类准确率，尤其在稀有大分子复合物的识别上表现突出。
• 基于遗传编程的分类器在无需数据重加权的情况下演化而成，对多数类与少数类均表现出鲁棒性与良好泛化能力。
• 采用路径特异性二分类器使每条网络分支能够专业化，从而提升对单个大分子复合物的检测能力。
• 本研究首次建立了Cryo-ET中类别不平衡分类的深度学习框架，为计算生物学与结构细胞生物学开辟了新方向。