O

Openphenom

由recursionpharma開發
專為顯微圖像特徵提取設計的通道無關圖像編碼模型CA-MAE,採用ViT-S/16編碼器架構
下載量 25.51k
發布時間 : 10/21/2024

模型概述

該模型通過視覺變換器主幹網絡,利用通道間跨注意力機制對圖像塊標記進行處理,為每個通道獨立生成上下文感知的特徵表示。

模型特點

通道無關特徵提取
能夠為顯微圖像的每個通道獨立生成上下文感知的特徵表示
多數據集訓練
在RxRx3、JUMP-CP過表達和基因敲除三個顯微圖像數據集上訓練完成
生物學意義嵌入
生成的嵌入特徵具有生物學意義,適合細胞生物學研究

模型能力

顯微圖像特徵提取
通道獨立嵌入生成
CellPainting通道預測

使用案例

生物醫學研究
細胞生物學特徵分析
利用模型生成的嵌入特徵分析細胞生物學特性
在大規模數據中表現優異
顯微圖像通道預測
結合完整MAE編碼器-解碼器預測缺失的CellPainting通道
機器學習應用
下游任務微調
機器學習專家可對編碼器進行微調,用於分類等下游任務
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase