跳到内容

在这个网络研讨会上,您将发现:

  • 基于细胞的大规模显微镜实验分析的计算步骤;
  • 一种新型微观图像校正方法,设计用于消除照明和不均匀背景效应;
  • 新的单细胞图像分割方法;
  • 高级单元格分类器,一种用于识别蜂窝表型的机器学习软件工具;
  • 如何使用上述机器学习模型来选择单元格并执行一系列测量。

该网络研讨会概述了分析单细胞的大规模显微镜实验的计算步骤。首先,您将了解一种新颖的微观图像校正方法,旨在消除照明和不均匀的背景效果,该效果留下未校正,损坏的基于强度的测量。使用差分几何,能量最小化和深度学习方法(www.nucleaizer.org)来呈现新的单细胞图像分割方法。

其次,我们将介绍高级小区分类器(ACC)(www.cellclassifier.org),一种能够基于从图像中提取的特征来识别蜂窝表型的机器学习软件工具。它为用户提供了一种接口,以有效地培训机器学习方法以预测各种表型。对于基于离散的细胞的决策不合适的情况,我们建议使用多参数回归来分析连续生物现象。为了提高学习速度和准确性,我们提出了一种选择最富有信息的小区样本的主动学习方案。

最后,您将看到上述机器学习模型如何使用基于激光微扫描和贴片钳制的单细胞隔离方法。您还将发现DNA和RNA测序,蛋白质组学,脂质族菌和靶向电生理学测量的定量测量如何成功进行分离的细胞。

Peter_horvath-circle.

Peter Horvarth博士博士

研究所主任和集团领导,生物化学研究所,
生物学研究中心,塞格德
赫尔辛基分子医学研究所研究所研究所(FIMM)

一场带来的现场活动:

徕卡品牌

滚动到顶部
分享Via
复制链接