PulseAugur
中
实时 09:07:26
English(EN) Automating the Expert Eye: A System-Agnostic Deep Learning Framework for Rare Event Discovery in Imbalanced Force Spectroscopy

深度学习框架自动化分子光谱学中稀有事件的发现

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的深度学习框架，用于自动识别单分子力谱（SMFS）中的稀有分子解绑事件。该工具系统无关，采用修改后的ResNet18架构和不对称的Focal Loss目标函数来处理极端类别不平衡问题，在一个稀有事件仅占1.34%的数据集上实现了92.31%的真阳性率。该框架成功将手动整理工作量减少了90%以上，同时保持了高数据保留率，并且通过Grad-CAM的可解释性解决了“黑箱”问题。 AI

影响 自动化生物物理学中复杂的数据分析，可能加速分子力学领域的发现。

排序理由 该集群包含一篇详细介绍用于特定科学应用的新深度学习框架的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Jorge Rodriguez-Ramos ·

    自动化专家之眼：用于不平衡力谱中稀有事件发现的系统无关深度学习框架

    arXiv:2606.09541v1 Announce Type: cross Abstract: Single-Molecule Force Spectroscopy (SMFS) provides unprecedented insights into biomolecular mechanics, yet the high-throughput generation of force-extension trajectories creates a severe data curation bottleneck. Identifying rare …

  2. arXiv cs.LG TIER_1 English(EN) · Jorge Rodriguez-Ramos ·

    自动化专家之眼：用于不平衡力谱中稀有事件发现的系统无关深度学习框架

    Single-Molecule Force Spectroscopy (SMFS) provides unprecedented insights into biomolecular mechanics, yet the high-throughput generation of force-extension trajectories creates a severe data curation bottleneck. Identifying rare molecular unbinding events within thousands of noi…

相关实体

相关话题