Manoel과 Kathy가 명시야 이미지에서의 세포 감지와 육안으로 보기 어려운 세포의 분류 작업 같은 까다로운 이미지 분석 작업을 처리하기 위해 딥러닝의 힘을 활용하는 방법을 설명합니다.
자주 묻는 질문(FAQ)웨비나 FAQ | 딥러닝딥러닝 알고리즘을 적용한 후 정량적 강도 측정을 할 수 있습니까?딥러닝 알고리즘은 형광 신호의 위치를 예측하지만 강도는 예측하지 못합니다. 그러나 딥러닝을 기반으로 분할을 수행한 다음 보조 채널을 사용하여 정량적 강도 분석(예: 형광)을 수행할 수 있습니다. 예를 들어 라벨이 없는 상태에서 단백질 발현을 측정하고 매우 낮은 세기로 표본을 비추려는 경우, 명시야 이미지에서 분할한 다음 보조 채널에서 형광을 측정하면 됩니다. 강도는 낮지만 배경이 일정하다면, 신호가 카메라 노이즈보다 조금만 더 높더라도 정량 분석을 할 수 있습니다. 딥러닝 소프트웨어를 얼룩진 조직 슬라이드(예: HE)에 적용할 수 있습니까?예, RGB 이미지용 cellSens™ 소프트웨어에는 특별한 신경망 아키텍처가 있습니다. 이 RGB 네트워크에는 다양한 색상의 비중을 약간 수정하는 증강 절차가 있어 신경망이 RGB의 미세한 변화와 색상 변화에 강건하도록 합니다. 딥러닝 소프트웨어는 훈련에 몇 개의 이미지가 필요합니까?핵심 조건은 이미지의 수가 아니라 주석이 달린 객체의 수입니다. 20~30개의 객체가 작동한다고 해도 그 신경망으로는 대비가 비슷한 이미지만 분석할 수 있는 경우가 있습니다. 이를 뛰어넘어 어려운 조건에서 라벨이 없는 상태로 객체를 분석하려면 일반적으로 수천 개의 주석이 필요합니다. 이렇게 높은 수준의 주석은, 가령 형광을 사용한 자동화 실측값을 적용하면 얻을 수 있습니다. Olympus 딥러닝 알고리즘은 U-Net 기반입니까?예, U-Net에서 영감을 받았습니다. 완전히 똑같지는 않지만 대략적인 구조는 U-Net 기반입니다. 심층 신경망과 합성곱(convolutional) 신경망의 차이점은 무엇입니까?신경망에는 입력 계층과 출력 계층이 있습니다. 심층 신경망은 입력 계층과 출력 계층 사이에 적어도 하나 이상의 중간 계층(일반적으로 여러 개)이 있습니다. 합성곱 신경망은 중간 계층이 서로 얽혀 있는 유형의 심층 신경망입니다. 합성곱은 이미징 분석 작업에 매우 적합한 수학적 연산입니다. 이러한 이유로 합성곱 신경망은 현미경 이미지를 분석하는 데 사용됩니다. 딥러닝은 이미지 분석 이외의 다른 분야에서도 활용되고 있습니다. 이러한 애플리케이션에서는 합성곱 네트워크가 필요하지 않으며, 다른 유형의 네트워크를 대신 사용합니다. |
