Опухолевые клетки различают по коротким участкам их движения

Авторы превратили микрофлюидный канал в своеобразный «лабиринт» для клеток: когда клетка проходит через препятствия и потоки, её размер и способность деформироваться меняют путь и скорость. Вместо попытки заранее вывести формулу для этого сложного движения они обучили сверточную нейросеть распознавать тип клетки по траектории. Главная идея SubSeq — во время обучения случайно вырезать короткие фрагменты пути и использовать их как дополнительные примеры. Так модель учится находить полезные локальные признаки, а не запоминает редкие полные траектории.

Авторы отдельно проверили, что именно использует сеть: положение клетки, её скорость и конкретные зоны канала. Для этого они применили Grad-CAM — метод, который подсвечивает участки входных данных, сильнее всего повлиявшие на решение модели. Анализ показал, что важная информация сосредоточена не равномерно по всей траектории, а в отдельных локальных участках; значит, часть длинного пути действительно может быть избыточной.

Метод сравнили не только по одному разбиению данных: каждую конфигурацию запускали 75 раз на разных разбиениях и с разными начальными настройками сети. На таком тесте SubSeq оказался более стабильным, чем Cutout и Mixup — это способы искусственно менять исходные примеры. Cutout иногда давал более высокий лучший результат, но его качество сильнее колебалось, тогда как SubSeq лучше защищал от неудачных запусков. Такой подход важен потому, что траекторий клеток обычно мало, а сложная физика движения затрудняет создание надёжной классификации вручную.