机构名称：
¥ 1.0
机器学习（ML）正在将图像处理和分析的领域从艰苦的任务自动化转变为对视觉模式的开放式探索。这对图像驱动的生命科学研究，尤其是显微镜具有显着意义。在这篇评论中，我们关注与从用户的角度应用基于ML的管道用于显微镜数据集相关的机会和挑战。我们研究了不同数据特征的重要性 - 数量，可传递性和内容 - 以及如何确定要使用的ML模型以及它们的输出。在细胞生物学问题和应用的背景下，我们进一步讨论了ML公用事业范围，即数据策展，探索，预测和解释，以及它们在显微镜的背景下所带来的并转化为什么。最后，我们探讨了显微镜中与ML相关的挑战，常见的人工制品和风险。基于其他领域的见解，我们建议如何在显微镜中减轻这些陷阱。
显微镜中的机器学习 - 见解，机会和挑战
主要关键词
相关文件推荐
