CLCAM寿命预测模型

早期预测个体寿命

利用对比学习与通道注意力，放大线虫早期细微形态特征，实现比现有方法更准确的寿命预测。

陈维洋 · 潘毅

Journal of Bioinformatics and Computational Biology 2025

参数信息

AUC-ROC

0.84

AUC-ROC（对比WormNet）

0.84

技术优势

不用重复训练就能提精度

对比分支只在训练时引导通道权重，推理时直接移除，主干不变，FLOPs基本不增。

能关注生物学上合理的部位

Grad-CAM显示模型注意力集中在咽部和体壁肌肉，与已知的衰老相关组织结构一致，解释性更强。

比之前的最好模型提升明显

在公开数据集上AUC-ROC为0.84，比之前的WormNet（0.61）提升0.23，相对改善明显。

应用场景

• 个体寿命预测：用早期图像即可预测个体寿命，无需长期追踪。
• 线虫表型分析：自动提取细微形态特征，减少人工表型标注工作量。
• 衰老研究：提供与衰老相关的咽部和体壁肌肉注意力，辅助机制研究。