首页> 外文学位 >Analyzing phenotypes in high-content screening with machine learning

【24h】

Analyzing phenotypes in high-content screening with machine learning

机译：用机器学习分析高含量筛选的表型

获取原文

获取原文并翻译 | 示例

页面导航

著录项
相似文献
相关主题

著录项

作者
Zamparo, Lee.;
展开▼
作者单位

University of Toronto (Canada).;

展开▼
授予单位 University of Toronto (Canada).;
学科
学位 Ph.D.
年度 2015
页码 111 p.
总页数 111
原文格式 PDF
正文语种 eng
中图分类 AAI10020585;
关键词
Bioinformatics; High content screening; Machine learning;

机译：生物信息学;高含量筛选;机器学习;

相似文献

外文文献
中文文献
专利

1. Machine learning improves the precision and robustness of high-content screens: Using nonlinear multiparametric methods to analyze screening results [J] . Horvath P., Wild T., Kutay U., Journal of biomolecular screening: The official journal of the Society for Biomolecular Screening . 2011,第9期

机译：机器学习提高了高内涵屏幕的准确性和鲁棒性：使用非线性多参数方法分析筛选结果
2. A deep learning and novelty detection framework for rapid phenotyping in high-content screening [J] . Christoph Sommer, Rudolf Hoefler, Matthias Samwer, Cell Regulation . 2017,第23期

机译：用于高内容筛选中快速表型化的深度学习和新颖性检测框架
3. A deep learning and novelty detection framework for rapid phenotyping in high-content screening [J] . Sommer Christoph, Hoefler Rudolf, Samwer Matthias, Molecular biology of the cell . 2017,第23期

机译：高含量筛选快速表型术的深度学习和新颖性检测框架
4. DeepHCS: Bright-Field to Fluorescence Microscopy Image Conversion Using Deep Learning for Label-Free High-Content Screening [C] . Gyuhyun Lee, Jeong-Woo Oh, Mi-Sun Kang, International conference on medical imaging computing and computer-assisted intervention . 2018

机译：DeepHCS：使用深度学习进行无标记高内涵筛选的明场到荧光显微镜图像转换
5. Machine Learning Morphisms: A Framework for Designing and Analyzing Machine Learning Work OWs, Applied to Separability, Error Bounds, and 30-Day Hospital Readmissions [D] . ?Cawi, Eric 2021

机译：机器学习态态：设计和分析机器学习工作的框架，适用于可分离性，错误限制和30天医院入院
6. A deep learning and novelty detection framework for rapid phenotyping in high-content screening [O] . Christoph Sommer, Rudolf Hoefler, Matthias Samwer, 2017

机译：用于高内容筛选中快速表型化的深度学习和新颖性检测框架
7. Advanced Cell Classifier: User-Friendly Machine-Learning-Based Software for Discovering Phenotypes in High-Content Imaging Data [O] . Filippo Piccinini, Tamas Balassa, Abel Szkalisity, 2017

机译：高级单元格分类器：基于用户友好的机器学习的软件，用于在高内容成像数据中发现表型

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号