发表服务
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。分色荧光标记帮助研究人员可以更加容易地了解样本。这要归功于迁移学习：如果模型已经掌握了类似任务，那幺模型就可以更快地学习新任务，并使用...
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物和医学领域，研究员们常运用显微镜来观察肉眼无法获得的细胞细节信息。虽然运用透射光显微镜（对生物样本单侧照射生成像...
4月12日，谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记...
此外，谷歌还开源了模型、完整的训练和测试数据、经过培训的模型检查点及示例代码。背景透射光显微镜技术用法简单，但根据该显微镜生成的图像很难判断细胞的情况。下图中的示例图像来自相差显微镜，图中像素的强度表明光在通过样本时相移的程度。
学界|谷歌《Cell》论文：光学显微镜+深度学习=荧光显微镜谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物...
学界|谷歌《Cell》论文：光学显微镜+深度学习=荧光显微镜谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物...
选自GoogleResearch，机器之心编译。很多常用的细胞标记方法有明显的缺点，包括不一致性、空间重叠、物理干预等。近日，谷歌利用深度学习方法即「insilicolabeling（ISL）」标记细胞的研究登上了《Cell》杂志…
谷歌《Cell》论文：使用深度学习，直接对细胞影像生成荧光标记.很多常用的细胞标记方法有明显的缺点，包括不一致性、空间重叠、物理干预等。.近日，谷歌利用深度学习方法即「insilicolabeling（ISL）」标记细胞的研究登上了《Cell》杂志。.ISL能直接从未...
今天，谷歌科学加速团队(GoogleAcceleratedScienceteam)在Cell上发表了一篇InSilicoLabeling:PredictingFluorescentLabelsinUnlabeledImages论文。样本无需荧光染色，用深度学习模型就可预测出目标物的位置。
谷歌学术搜索下来排前的论文一般都是被引次数多，在这个领域中产生巨大影响的论文，非常值得仔细阅读的。③找导师沟通如果领域中文献太多，或者是不知道导师想让你做什么样的工作，那就大大方方地直接找导师沟通吧...
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。分色荧光标记帮助研究人员可以更加容易地了解样本。这要归功于迁移学习：如果模型已经掌握了类似任务，那幺模型就可以更快地学习新任务，并使用...
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物和医学领域，研究员们常运用显微镜来观察肉眼无法获得的细胞细节信息。虽然运用透射光显微镜（对生物样本单侧照射生成像...
4月12日，谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记...
此外，谷歌还开源了模型、完整的训练和测试数据、经过培训的模型检查点及示例代码。背景透射光显微镜技术用法简单，但根据该显微镜生成的图像很难判断细胞的情况。下图中的示例图像来自相差显微镜，图中像素的强度表明光在通过样本时相移的程度。
学界|谷歌《Cell》论文：光学显微镜+深度学习=荧光显微镜谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物...
学界|谷歌《Cell》论文：光学显微镜+深度学习=荧光显微镜谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感，在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。AI科技评论按：在生物...
选自GoogleResearch，机器之心编译。很多常用的细胞标记方法有明显的缺点，包括不一致性、空间重叠、物理干预等。近日，谷歌利用深度学习方法即「insilicolabeling（ISL）」标记细胞的研究登上了《Cell》杂志…
谷歌《Cell》论文：使用深度学习，直接对细胞影像生成荧光标记.很多常用的细胞标记方法有明显的缺点，包括不一致性、空间重叠、物理干预等。.近日，谷歌利用深度学习方法即「insilicolabeling（ISL）」标记细胞的研究登上了《Cell》杂志。.ISL能直接从未...
今天，谷歌科学加速团队(GoogleAcceleratedScienceteam)在Cell上发表了一篇InSilicoLabeling:PredictingFluorescentLabelsinUnlabeledImages论文。样本无需荧光染色，用深度学习模型就可预测出目标物的位置。
谷歌学术搜索下来排前的论文一般都是被引次数多，在这个领域中产生巨大影响的论文，非常值得仔细阅读的。③找导师沟通如果领域中文献太多，或者是不知道导师想让你做什么样的工作，那就大大方方地直接找导师沟通吧...
发表服务