通过图像到图像翻译的语义视觉可解释性实现可信赖的计算机模拟标注

跨模态图像翻译有望从单一图像输入中提供多层次的生物学信息，但其实际应用却因缺乏可解释性以及无法考虑模型缺陷而陷入停滞。计算机模拟标记（in silico labeling）——即从无标记图像中推断细胞器定位——是其中的一个主要例子，在这一场景中，模型的“黑箱”性质限制了其应用推广。 我们提出了 Mask Interpreter，这是一种用于图像到图像翻译模型语义视觉可解释性的通用方法。通过揭示细胞器特异性的“解释特征”，Mask Interpreter 验证了模型所依赖的是真实的生物学结构而非偶然的伪影。除生物学验证之外，它还优于传统的可解释人工智能（xAI）方法，能够在缺乏真实荧光真值的情况下识别批次效应并定位预测误差。 语义置信度建模进一步提供了单细胞分辨率下的细粒度可靠性评估，从而能够在下游分析中自动排除伪影。通过弥合计算推断与具有生物学意义的特征之间的鸿沟，Mask Interpreter 将计算机模拟标记转变为一种可靠工具，可用于多种生物医学成像模态中的科学发现。

通过图像到图像翻译的语义视觉可解释性实现可信的计算机模拟标记 | bioRxiv

跳转至主要内容

主页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

通过图像到图像翻译的语义视觉可解释性实现可信的计算机模拟标记

Lion Ben Nedava，

Gad Miller，

Nitsan Elmalam，

Matheus P. Viana，

Jianxu Chen，

Nathalie Gaudreault，

Susanne M. Rafelski，

Assaf Zaritsky

doi： https://doi.org/10.64898/2026.08.13.744455

Lion Ben Nedava 1 以色列贝尔谢巴内盖夫持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY-NC 4.0 国际许可协议 提供。

返回顶部

上一页

发布于 2026 年 8 月 15 日。

下载 PDF

电子邮件

感谢您有兴趣传播 bioRxiv 上的这篇文章。

您的电子邮件

*

您的姓名

*

发送至

*

输入多个地址时，请分行填写或用逗号分隔。

您将通过电子邮件发送以下内容

通过图像到图像翻译的语义视觉可解释性实现可信的计算机模拟标记

邮件主题

（您的姓名）已从 bioRxiv 转发一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人工访客，并防止自动垃圾信息提交。

分享

通过图像到图像翻译的语义视觉可解释性实现可信的计算机模拟标记

Lion Ben Nedava，

Gad Miller，

Nitsan Elmalam，

Matheus P. Viana，

Jianxu Chen，

Nathalie Gaudreault，

Susanne M. Rafelski，

Assaf Zaritsky

bioRxiv 2026.08.13.744455； doi： https://doi.org/10.64898/2026.08.13.744455

分享本文：

复制

引文工具

通过图像到图像翻译的语义视觉可解释性实现可信的计算机模拟标记

Lion Ben Nedava，

Gad Miller，

Nitsan Elmalam，

Matheus P. Viana，

Jianxu Chen，

Nathalie Gaudreault，

Susanne M. Rafelski，

Assaf Zaritsky

bioRxiv 2026.08.13.744455； doi： https://doi.org/10.64898/2026.08.13.744455

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.13.744455v1?rss=1

🏷️ 图像到图像翻译 计算机模拟标注 可解释人工智能 生物医学成像 语义置信度建模