病毒形态识别是病毒鉴定的重要手段之一，目前病毒形态鉴定主要依靠人力，且需要具有丰富经验的人员才能做出准确判断。近日，中国疾病预防控制中心病毒病预防控制所宋敬东副研究员团队联合中科院自动化所韩华研究员团队，合作设计了一套高效精准的AI算法，提出的基于多重注意力机制的病毒分类网络，可以自动获取电子显微镜图片中的病毒图像并准确判别病毒种类。专家需要花费数十分钟才能识别完成的数百张病毒电镜图片，该算法能够在几秒钟内完成。该方法top-1分类误差率仅为4.285%，准确率超过了ResNet, DensenNet, RAN等深度神经网络以及相关的病毒形态专家。相关研究成果发表在知名学术期刊"Computer Methods and Programs in Biomedicine"。
透射电子显微镜是目前唯一能直接观察病毒结构细节的技术手段，被广泛应用于病毒形态分析与鉴定。在新发、突发及生物恐怖事件病原体的检测中，电子显微镜技术是最优先选择的方法之一，发挥“侦察兵”的作用。目前，对于电镜照片内病毒影像的分析与判别尚缺乏快速、高通量的手段。因此，自动化、高通量、高精度的病毒影像识别方法对于病毒的电子显微镜快速诊断至关重要。
鉴于上述问题，该论文提出了一种基于多重注意力机制的病毒分类网络，可以自动分析负染电镜图像中的病毒种类。病毒分类网络的输入为负染电镜图像，输出为该图像中病毒的类别。网络由17个残差通道域注意力模型（residual channel attention, RCA）和3个自下而上和自顶向下的注意力模型（bottom-up and top-down, BTA）组成。其中，RCA模型利用图像通道之间的关联，能够增强通道中目标的响应能力，而BTA模型则用于提取显著性区域的特征，进一步提高病毒的识别准确率。
基于多重注意力机制的病毒分类网络结构图
本研究对细小病毒、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、疱疹病毒、丝状病毒、副痘病毒、轮状病毒以及正痘病毒12种不同家族病毒的1690张照片（共计包含数万个病毒颗粒）进行实验验证。实验结果显示，本文方法的病毒识别效果优于其它state-of-the-art方法。
论文病毒分类方法与state-of-the-art方法的对比结果
综上所述，研究者们设计了一套适用于电子显微镜病毒照片多种病毒的自动分类算法，可以有效减少相关专家在识别与分析病毒形态过程中对人工的依赖，对病毒鉴定有着积极的推动作用。研究结果以“Virus Identification in Electron Microscopy Images by Residual MixedAttention Network”为题发表。肖驰博士为论文第一作者，宋敬东副研究员、韩华研究员为共同通讯作者。
论文链接：
https://www.sciencedirect.com/science/article/pii/S0169260720315996?dgcid=author
本期编辑：左脑
