دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Ata Mahjoubfar, Claire Lifan Chen, Bahram Jalali سری: ISBN (شابک) : 9783319514482 ناشر: Springer سال نشر: 2017 تعداد صفحات: 148 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Artificial Intelligence in Label-free Microscopy. Biological Cell Classification by Time Stretch به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب هوش مصنوعی در میکروسکوپ بدون برچسب طبقه بندی سلول های بیولوژیکی بر اساس زمان کشش نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب تصویربرداری فاز کمی با کشش زمانی (TS-QPI)، یک فلوسیتومتر تصویربرداری بدون برچسب با کارایی بالا را معرفی میکند که برای جمعآوری و تجزیه و تحلیل دادههای بزرگ در غربالگری فنوتیپی توسعه یافته است. TS-QPI قادر است تصاویر فاز و شدت نوری کمی را به طور همزمان ضبط کند و تجزیه و تحلیل سلولی با محتوای بالا، تشخیص سرطان، ژنومیک شخصیسازی شده و توسعه دارو را امکانپذیر میسازد. نویسندگان همچنین یک خط لوله یادگیری ماشین کامل را نشان میدهند که اندازهگیری فاز نوری، پردازش تصویر، استخراج ویژگیها و طبقهبندی را انجام میدهد و تصویربرداری کمی با کارایی بالا را امکانپذیر میکند که دقت بالایی را در غربالگری فنوتیپی سلولی بدون برچسب به دست میآورد و مسیر جدیدی را برای دادهها باز میکند. -تشخیص مبتنی بر
This book introduces time-stretch quantitative phase imaging (TS-QPI), a high-throughput label-free imaging flow cytometer developed for big data acquisition and analysis in phenotypic screening. TS-QPI is able to capture quantitative optical phase and intensity images simultaneously, enabling high-content cell analysis, cancer diagnostics, personalized genomics, and drug development. The authors also demonstrate a complete machine learning pipeline that performs optical phase measurement, image processing, feature extraction, and classification, enabling high-throughput quantitative imaging that achieves record high accuracy in label -free cellular phenotypic screening and opens up a new path to data-driven diagnosis.
Front Matter....Pages i-xxxiii
Front Matter....Pages 1-1
Introduction....Pages 3-5
Time Stretch....Pages 7-11
Front Matter....Pages 13-13
Nanometer-Resolved Imaging Vibrometer....Pages 15-20
Three-Dimensional Ultrafast Laser Scanner....Pages 21-29
Front Matter....Pages 31-31
Label-Free High-Throughput Phenotypic Screening....Pages 33-41
Time Stretch Quantitative Phase Imaging....Pages 43-63
Front Matter....Pages 65-65
Big Data Acquisition and Processing in Real-Time....Pages 67-71
Deep Learning and Classification....Pages 73-85
Front Matter....Pages 87-87
Optical Data Compression in Time Stretch Imaging....Pages 89-99
Design of Warped Stretch Transform....Pages 101-119
Concluding Remarks and Future Work....Pages 121-122
Back Matter....Pages 123-134