資訊專欄INFORMATION COLUMN
摘要：我們還了解到，許多科學家不編寫代碼，但對在自己的圖像分析工作中利用深度學習仍然感到非常興奮。后續發展基于深度學習的科學圖像分析方法將提高準確性減少手動參數調整，并且可能會帶來新認識。
許多科學成像應用（尤其是顯微鏡檢查）每天可以產生數太字節的數據。這些應用可以從近年來的計算機視覺和深度學習發展中受益。
在我們與生物學家聯合開展的機器人顯微鏡應用工作（例如，區分細胞表型）中，我們了解到，匯編可以分離信號與噪聲的優質圖像數據集是一項困難但重要的任務。我們還了解到，許多科學家不編寫代碼，但對在自己的圖像分析工作中利用深度學習仍然感到非常興奮。我們可以幫助解決的一項特殊挑戰涉及處理失焦圖像。即使對于較先進顯微鏡上的自動對焦系統，糟糕的配置或硬件不兼容性也可能導致圖像質量問題。運用自動方式為焦點質量評分可以實現此類圖像的檢測、問題排查和移除。
利用深度學習補救
在 Assessing Microscope Image Focus Quality with Deep Learning 論文中，我們訓練了一個深度神經網絡來為顯微鏡圖像的焦點質量評分，準確性比之前的方法更高。我們還將預訓練的 TensorFlow 模型與 Fiji (ImageJ) 和 CellProfiler 中的插件集成，Fiji (ImageJ) 和 CellProfiler 是兩個領先的開放源代碼科學圖像分析工具，它們可與圖形界面結合使用，或通過腳本調用。
預訓練的 TensorFlow 模型為 Fiji (ImageJ) 中細胞的一組顯微鏡圖像色塊的焦點質量評分。邊界的色相和亮度分別表示預測的焦點質量和預測不確定性
?
我們的出版物和源代碼（TensorFlow、Fiji、CellProfiler）說明了機器學習項目工作流程的基礎知識：匯編訓練數據集（我們以合成方式將細胞的 384 張合焦圖像散焦，消除了對手動標記數據集的需求）、使用數據增強訓練模型、評估泛化（在我們的示例中，泛化在第二臺顯微鏡采集的不可見細胞類型上進行），以及部署預訓練的模型。之前用于確定圖像焦點質量的工具通常需要用戶手動檢查每個數據集的圖像，以便在合焦與失焦圖像之間確定一個閾值；我們的預訓練模型不需要用戶設置參數，并且可以更較精確地為焦點質量評分。為了幫助提升可解釋性，我們的模型評估了 84×84 像素色塊的焦點質量，這些色塊可以通過彩色色塊邊界可視化。
沒有對象的圖像會怎么樣？
我們遇到的一個有趣挑戰是經常存在沒有對象的“空白”圖像色塊，這種情況下沒有焦點質量表示。與顯式標記這些“空白”色塊并教我們的模型將它們識別為多帶帶的類別不同，我們將模型配置為預測在散焦級別間的可能性分布（例如，預測合焦/失焦的相等可能性），從而讓它可以學習為這些空色塊表達不確定性（圖中的模糊邊界）。
后續發展
基于深度學習的科學圖像分析方法將提高準確性、減少手動參數調整，并且可能會帶來新認識。很顯然，數據集和模型的共享與可用性，以及在相應社區被證明有用的工具實現將對廣泛采用至關重要。
歡迎加入本站公開興趣群商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識
QQ群：81035754
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/4744.html
摘要：我們隊年的預測基本正確，當中有些預測趨勢也可以用于新的一年，下面繼續看到對年數據科學機器學習和人工智能領域的預測。 showImg(https://segmentfault.com/img/bVbnqYV?w=1024&h=512); 作者：William VorhiesCDA數據分析研究院原創作品, 轉載需授權? 2018年剛剛結束，在2019年到來之際，讓我們一起展望在今年數據科學...
摘要：的研究興趣涵蓋大多數深度學習主題，特別是生成模型以及機器學習的安全和隱私。與以及教授一起造就了年始的深度學習復興。目前他是僅存的幾個仍然全身心投入在學術界的深度學習教授之一。 Andrej Karpathy特斯拉 AI 主管Andrej Karpathy 擁有斯坦福大學計算機視覺博士學位，讀博期間師從現任 Google AI 首席科學家李飛飛，研究卷積神經網絡在計算機視覺、自然語言處理上的應...
摘要：而這種舉一反三的能力在機器學習領域同樣適用，科學家將其稱之為遷移學習。與深度學習相比，我們技術較大優點是具有可證明的性能保證。近幾年的人工智能熱潮中，深度學習是最主流的技術，以及之后的成功，更是使其幾乎成為的代名詞。 如今，人類將自己的未來放到了技術手里，無論是讓人工智能更像人類思考的算法，還是讓機器人大腦運轉更快的芯片，都在向奇點靠近。谷歌工程總監、《奇點臨近》的作者庫茲韋爾認為，一旦智能...
摘要：隨后深度學習的研究大放異彩，廣泛應用在了圖像處理和語音識別領域。比如的學生就用深度學習算法贏得年的。深度學習和人工智能的春天離人工智能最近的互聯網公司敏銳嗅到了這一機遇。 多倫多大學計算機系教授Geoffrey Hinton是Deep Learning的開山鼻祖，我們來講講他的故事。他有個傳奇的姑姑不過先來說說他姑姑吧，他姑姑Joan Hinton是一個與中國有關的具有傳奇經歷的人物，中文名...
閱讀 848·2021-11-25 09:43
閱讀 3681·2021-11-19 09:40
閱讀 882·2021-09-29 09:34
閱讀 1784·2021-09-26 10:21
閱讀 870·2021-09-22 15:24
閱讀 4188·2021-09-22 15:08
閱讀 3266·2021-09-07 09:58
閱讀 2658·2019-08-30 15:55
