Deep learning for cellular image analysis.
Deep learning for cellular image analysis.
复制标题
DOI：
10.1038/s41592-019-0403-1
复制
发表时间：
2019-12
期刊：
影响因子：
48
通讯作者：
Van Valen D
中科院分区：
文献类型：
--
作者：
Moen E;Bannon D;Kudo T;Graf W;Covert M;Van Valen D
计算机视觉和机器学习的最新进展支持了一系列算法，这些算法具有令人印象深刻的破译图像内容的能力。这些深度学习算法正在应用于生物图像，并正在改变成像数据的分析和解释。这些进展使困难的分析成为常规，并使研究人员能够进行新的、以前不可能的实验。在这里，我们回顾了深度学习和细胞图像分析之间的交叉点，并概述了与生命科学家相关的深度学习的数学机制和编程框架。我们调查了该领域的进展，在四个关键应用：图像分类，图像分割，对象跟踪和增强显微镜。最后，我们介绍了我们实验室在实验室实施深度学习的三个关键方面的经验：注释训练数据，选择和训练一系列神经网络架构，以及部署解决方案。我们还强调了每个调查应用程序的现有数据集和实现。
Recent advances in computer vision and machine learning underpin a collection of algorithms with an impressive ability to decipher the content of images. These deep learning algorithms are being applied to biological images and are transforming the analysis and interpretation of imaging data. These advances are positioned to render difficult analyses routine and to enable researchers to carry out new, previously impossible experiments. Here we review the intersection between deep learning and cellular image analysis and provide an overview of both the mathematical mechanics and the programming frameworks of deep learning that are pertinent to life scientists. We survey the field’s progress in four key applications: image classification, image segmentation, object tracking, and augmented microscopy. Last, we relay our labs’ experience with three key aspects of implementing deep learning in the laboratory: annotating training data, selecting and training a range of neural network architectures, and deploying solutions. We also highlight existing datasets and implementations for each surveyed application.
登录
查看更多内容
影响因子：
82.9
作者：
通讯作者：
--
影响因子：
48
作者：
Allan, Chris;Burel, Jean-Marie;Moore, Josh;Blackburn, Colin;Linkert, Melissa;Loynton, Scott;MacDonald, Donald;Moore, William J.;Neves, Carlos;Patterson, Andrew;Porter, Michael;Tarkowska, Aleksandra;Loranger, Brian;Avondo, Jerome;Lagerstedt, Ingvar;Lianas, Luca;Leo, Simone;Hands, Katherine;Hay, Ron T.;Patwardhan, Ardan;Best, Christoph;Kleywegt, Gerard J.;Zanetti, Gianluigi;Swedlow, Jason R.
通讯作者：
Swedlow, Jason R.
对计算生物学的深度学习。
影响因子：
9.9
作者：
Angermueller C;Pärnamaa T;Parts L;Stegle O
通讯作者：
Stegle O
影响因子：
46.9
作者：
Alipanahi, Babak;Delong, Andrew;Frey, Brendan J.
通讯作者：
Frey, Brendan J.
影响因子：
48
作者：
Amat, Fernando;Lemon, William;Keller, Philipp J.
通讯作者：
Keller, Philipp J.