Изменения

Перейти к: навигация, поиск

Компьютерное зрение в микроскопии

Нет изменений в размере, 23:22, 12 января 2021
Идентификация раковых клеток
Особенностью работы данной сверточной сети является необходимость разметить только небольшую часть данных, на основании чего она далее учится размечать самостоятельно. Интересно, что при визуализации фазы становятся упорядочены в хронологически правильном порядке, несмотря на то, что информация о порядке фаз не передавалась в сеть напрямую. Это говорит об эффективности использования флуорисцентных меток<ref>[https://www.nature.com/articles/s41467-017-00623-3#supplementary-information Philipp Eulenberg — Reconstructing cell cycle and disease progression using deep learning, 2017]</ref>.
[[Файл:microscopy_cnn.png|right|300px|thumb|Архитектура сверточной нейронной сети для классификации раковых клеток из [https://pubmed.ncbi.nlm.nih.gov/30865716/ статьи.]]]
=== Идентификация раковых клеток ===
[[Файл:microscopy_cnn.png|right|300px|thumb|Архитектура сверточной нейронной сети для классификации раковых клеток из [https://pubmed.ncbi.nlm.nih.gov/30865716/ статьи.]]]
Другой задачей классификации является обнаружение раковых клеток. Для ее решения используется сверточная нейронная сеть с архитектурой VGG-16, в которой дополнительно после каждой функции активации добавлена [[Batch-normalization|пакетная нормализация]] для регуляризации. Сеть, как и остальные классификаторы изображений микроскопии, принимает на вход изображения с флуоресцентными метками. Особенностью при обучении сетки является использование трансферного обучения, то есть модель предварительно обучается на другом огромном объеме данных. В данном случае первые 14 слоев обучаются на наборе данных классификации ImageNet.
462
правки

Навигация