学术中心

全部分类
您现在的位置:
首页
/
/
/
DeepLearnMOR:一个基于荧光图像的细胞器形态分类的深度学习框架

DeepLearnMOR:一个基于荧光图像的细胞器形态分类的深度学习框架

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-07-09 06:10
  • 访问量:

【概要描述】本文使用转移学习和卷积神经网络(CNN)分析了47000多个来自拟南芥野生型和突变体植物的共焦显微镜图像,这些植物具有三种基本能量细胞器之一的异常分裂:叶绿体、线粒体或过氧化物酶体。

DeepLearnMOR:一个基于荧光图像的细胞器形态分类的深度学习框架

【概要描述】本文使用转移学习和卷积神经网络(CNN)分析了47000多个来自拟南芥野生型和突变体植物的共焦显微镜图像,这些植物具有三种基本能量细胞器之一的异常分裂:叶绿体、线粒体或过氧化物酶体。

  • 分类:植物表型资讯
  • 作者:PhenoTrait
  • 来源:本站
  • 发布时间:2021-07-09 06:10
  • 访问量:
详情

亚细胞细胞器的适当生物发生、形态发生和动力学对其代谢功能至关重要。传统用于识别、分类和量化细胞器形态异常的技术主要手动处理,耗时且需要特定的专业知识。深度学习通过极大地提高屏幕的范围、速度和效率,有可能彻底改变基于图像的识别、筛选。本文使用转移学习和卷积神经网络(CNN)分析了47000多个来自拟南芥野生型和突变体植物的共焦显微镜图像,这些植物具有三种基本能量细胞器之一的异常分裂:叶绿体、线粒体或过氧化物酶体。

 

转移学习在细胞器形态分类中的应用

 

研究人员建立了一个深度学习框架DeepLearnMOR,它能够快速分类图像类别,识别细胞器形态学异常,准确率超过97%。特征可视化分析识别了CNN用于预测形态异常的重要特征,视觉线索有助于更好地理解决策过程,从而验证了神经网络的可靠性和可解释性。该框架为未来更大规模的研究奠定了基础,具有更广泛的范围和更大的数据集多样性和异质性。

 

DenseNet169的评价

 

细胞器形态分类CNN结构示意图

 

来源:

Li J, Peng J, Jiang X, et al. DeepLearnMOR: a deep-learning framework for fluorescence image-based classification of organelle morphology. Plants 2021, 10(4), 661; https://doi.org/10.3390/plants10040661。

关键词:

扫二维码用手机看

推荐新闻

高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
查看详情
育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
查看详情
生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。
AI育种,从这里起步
AI育种,从这里起步
发布时间 : 2022-05-09 12:21:00
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
查看详情
植物表型本身就是一个跨学科领域,自带AI基因。而植物表型服务的对象就是育种和种植。AI通过植物表型赋能育种,是AI育种的重要发展方向之一。让我们用表型之“瞳”,赋农业之“慧”。
致即将毕业的你
致即将毕业的你
发布时间 : 2021-04-20 15:29:43
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。
查看详情
如果您有意向,不要彷徨不要犹豫,赶快将您的简历发到邮箱hr@phenotrait.com吧。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门 
电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明