Convolutional Neural Networks for Classifying Chromatin Morphology in Live-Cell Imaging.
Convolutional Neural Networks for Classifying Chromatin Morphology in Live-Cell Imaging.
复制标题
用于活细胞成像中染色质形态分类的卷积神经网络。
DOI：
10.1007/978-1-0716-2221-6_3
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Ulicna K
中科院分区：
文献类型：
--
作者：
Ulicna K
染色质是高度结构化的，其组织的变化在许多细胞过程中是必不可少的，包括细胞分裂。最近，机器学习的进步使研究人员能够自动分类荧光显微镜图像中的染色质形态。在本协议中，我们开发了用户友好的工具来执行此任务。我们提供了一个开源注释工具和一个基于云的计算框架来训练和利用卷积神经网络来自动分类染色质形态。使用云计算使没有大量资源或计算经验的用户能够使用机器学习方法来分析自己的显微镜数据。
Chromatin is highly structured, and changes in its organization are essential in many cellular processes, including cell division. Recently, advances in machine learning have enabled researchers to automatically classify chromatin morphology in fluorescence microscopy images. In this protocol, we develop user-friendly tools to perform this task. We provide an open-source annotation tool, and a cloud-based computational framework to train and utilize a convolutional neural network to automatically classify chromatin morphology. Using cloud compute enables users without significant resources or computational experience to use a machine learning approach to analyze their own microscopy data.