新演算法可檢測文獻中重複圖像

光學顯微鏡能捕捉細胞和器官的顯微照片。而它們的重複圖像可能出現在科學文獻中。

圖片來源：Mikhail Tereshchenko/TASS/Getty

3名科學家日前表示，計算機軟體現在能快速檢測到大量研究文獻中的重複圖像。

在一項日前發表於預印本伺服器bioRxiv的論文中，一個由美國紐約雪城大學機器學習研究人員Daniel Acuna領導的團隊報告稱，其成功利用一種可處理上萬篇生物醫學論文的演算法尋找重複圖像。如果期刊編輯採用類似方法，他們或許能更加簡單地在論文發表前檢查圖像——此事目前需要大量努力並且只有少部分出版物在做。

Acuna 表示，最新成果表明，利用技術檢測重複圖像是可能的。他並沒有公開該演算法，因為其存在可能觸發錯誤指控的風險。相反，Acuna和同事計劃將其授權給期刊和科研誠信辦公室。Acuna介紹說，他已同位於芝加哥的西北大學研究誠信辦公室主任Lauran Qualkenbush探討過該演算法。「對於科研誠信辦公室來說，這將非常有幫助。」Qualkenbush表示，「我非常希望我所在的辦公室將在今年成為試驗場，以便弄清楚如何使用Daniel開發的工具。」

2015年年初，Acuna和兩位同事利用一種演算法從76萬篇論文中提取了260多萬幅圖像。這些文章均來自由美國國立衛生研究院運行的生物醫學文獻資料庫PubMed中的開放獲取部分。獲得的圖像包括細胞、器官和凝膠印跡的顯微照片。隨後，該演算法會將「鏡頭」移到特徵最豐富的區域——顏色和灰度等級變化最大的部分，從而提取每幅圖像中具有特色的數字「印跡」。

在清除諸如箭頭或者流程圖等特徵後，研究團隊最終獲得了約200萬幅圖像。他們僅對比了來自相同的第一和通訊作者的論文中的圖像，以避免每幅圖像都相互比較帶來的計算負荷。同時，即便圖像被旋轉、重新調整了大小或者改變了對比度、顏色，該系統仍能挑選出潛在的重複圖像。

中國生物技術網誠邀生物領域科學家在我們的平台上，發表和介紹國內外原創的科研成果。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！