（图文|信息 编辑|信息 审核|李伟夫）近日，我校信息学院人工智能与统计学习团队联合中国疾病预防控制中心病毒病预防控制所宋敬东研究员在生物信息学领域权威期刊《Briefings in Bioinformatics》（IF2022=14）在线发表题为“VISN: virus instance segmentation network for TEM images using deep attention transformer”的论文。该研究提出一种高精度病毒电镜图像实例分割网络（VISN），实现了对多种形态相似病毒（基于透射电镜负染技术）的精确鉴定。

研究团队相关负责人表示，应用透射电子显微镜检测病毒，具有直观、快速、分辨率高、不受病毒核酸及蛋白信息的限制等技术优势，特别在新发、突发、未知病毒检测中，是优先（front line）选用的技术之一，可快速将病毒锁定在科或属的水平，为后续开展病毒的分子生物学研究起到“侦察兵”作用。由于缺乏快速、准确及高通量病毒电镜样本筛查手段，目前病毒的电镜识别主要依靠专业人员在样本内寻找病毒颗粒，并通过形态特征以鉴定病毒类别，对人员专业知识要求高，且工作效率受制于人工。因此，自动、准确的病毒形态识别方法对于提高病毒的电子显微镜检测效率和结果分析至关重要。

研究人员介绍，该论文提出一种基于深度Transformer的病毒电镜图像信息实例分割网络，可自动获取电镜图像中病毒的位置、轮廓和类别信息，快速、准确完成病毒鉴定。该网络采用Swin Transformer提取输入图像特征，并设计了一种基于坐标空间注意力机制的密集特征金字塔网络，进一步获取高分辨率、多尺度的病毒特征，最后通过预测网络和原型网络实现病毒的实例分割。结果显示，该方法mAP准确率和F1值分别为83.8和0.92，超过SparseInst，SOLOv2，RTMDet、YOLACT++等顶尖实例分割算法。

我组李伟夫副教授与中国疾病预防控制中心病毒病预防控制所宋敬东研究员为该论文共同通讯作者，海南大学肖驰副教授、王俊为论文共同第一作者，该研究得到国家重点研发计划、传染病溯源预警与智能决策全国重点实验室科学基金等项目支持。

原文链接详见：http://coi.hzau.edu.cn/info/1023/11629.htm