深層ニューラルネットワークを訓練するための蛍光顕微鏡データセット【JST・京大機械翻訳】

Hagen, G. M.; Bendesky, J.; Machado, R.; Nguyen, T.-A.; Kumar, T.; Ventura, J.

プレプリント

J-GLOBAL ID：202202201952761358 整理番号：22P0238952

深層ニューラルネットワークを訓練するための蛍光顕微鏡データセット【JST・京大機械翻訳】

Fluorescence Microscopy Datasets for Training Deep Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年06月18日プレプリントサーバーでの情報更新日： 2020年06月18日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

【背景】蛍光顕微鏡は,生物学的研究の多くの分野で重要な技術である。蛍光顕微鏡の有用性と性能を制限する2つの因子は,イメージング中の蛍光プローブの光漂白であり,生細胞を画像化するとき,光毒性は光曝露によって引き起こされる。機械学習における最近開発した方法は,取得した画像の信号対雑音比を大きく改善できる。これは,研究者がはるかに短い曝露時間で画像を記録することを可能にし,次に,試料に到達する光の線量を減らすことによって,光漂白と光毒性を最小化する。深い学習方法を採用するために,大量のデータが,根底にある畳込みニューラルネットワークを訓練するために必要であった。これを行う一つの方法は,長時間および短い曝露時間で取得した蛍光顕微鏡画像の対の使用を含む。開発中の深層学習手法の訓練と評価に使用できる高品質データセットを提供した。【結論】高品質データのアベイラビリティは,現在の機械学習アプローチで使われる訓練畳込みニューラルネットワークにとって極めて重要である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

生体の顕微鏡観察法

, , ,

前のページに戻る