Scidown文献预览系统!
一种用于小鼠胚胎三维高频超声图像分割、分类和可视化的深度学习方法( A Deep Learning Approach for Segmentation, Classification and Visualization of 3D High Frequency Ultrasound Images of Mouse Embryos )
Z Qiu T Xu J Langerman W Das Y Wang
高频超声(HFU)、小鼠胚胎、脑室和身体图像的分割和突变分类可以为发育生物学家提供有价值的信息。然而,人工分割和识别BV和身体需要大量的时间和专业知识。本文提出了一种准确、高效、可解释的深度学习流水线,用于BV和Body的自动分割和分类。对于分割,实现了一个两阶段框架。第一阶段产生一个低分辨率分割图,然后用它来裁剪目标对象周围的感兴趣区域(ROI),并作为第二阶段精分辨率细化网络的自动上下文输入的概率图。在高分辨率的3D图像上,分割变得容易,而不需要耗时的滑动窗口。本文提出的分割方法显著地减少了推理时间(102.36~0.09s/volume≈1000x),同时保持了与以往滑动窗口方法相当的高精度。基于BV和身体分割映射,训练体积卷积神经网络(CNN)执行突变体分类任务。通过对输入的BV和身体分割图的预测梯度进行反向传播,发现训练的分类器在很大程度上集中在已知Engrailed-1(En1)突变表型显示的区域。这表明,深度学习分类器的梯度反向传播可能为自动检测与已知基因突变相关的未知表型提供了强大的工具。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】