换一批基于实时荧光PCR时序数据的深度神经网络知识蒸馏的阴阳性识别
Positive and Negative Recognition of Deep Neural Network Knowledge Distillation Based on Real-Time PCR Time Series Data
摘要目的 提出一种基于实时荧光聚合酶链式反应(Polymerase Chain Reaction,PCR)时序数据的深度神经网络知识蒸馏的阴阳性识别技术.方法 通过使用神经网络进行时序分类,在增加鲁棒性的同时减少异常值对模型结果的影响;结合知识蒸馏技术压缩深度神经网络,降低神经网络对算力资源的需求,以适应较低的计算资源运行环境.结果 收集全自动核酸提纯及实时荧光PCR分析系统AutoMolec 3000数据302260条,将数据集按80%和20%的比例分成训练集和测试集,在测试集上验证知识蒸馏后的全卷积神经网络(Fully Convolutional Networks,FCN)模型与长短时记忆结构(Long Short-Term Memory,LSTM)模型,在准确度、敏感度、特异性和F1均高于0.999的前提下,FCN模型可缩小21.3倍,LSTM模型参数可降低12.8倍;60452条样本的预测时长分别为5.6900、2.2516 s.结论 模型可保证整体的准确度性能,满足对部署环境的算法要求低的需求.
更多相关知识
关键词
实时荧光PCR时序分类神经网络知识蒸馏real-time fluorescent PCRtime series classificationdeep neural networkknowledge of distillation
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.06.002
发布时间
2024-06-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2022YFC2406400）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
