神经网络在数据科学和电子显微镜之间的系

借助马克斯·普朗克佛罗里达神经科学研究所(MPFI)的跨学科研究团队的独创性和尖端神经网络的应用，他们创建了旨在简化部分冗长过程的新型强大分析软件。与电子显微镜核心设施和科视实验室合作，该项目要求两名高中生极大地改进了已建立的基于计算机的技术，用于分析EM图像中的蛋白质分布。与使用荧光标记的传统光学显微镜不同，EM要求蛋白质用金纳米颗粒标记，以便在细胞内可视化它们。该软件被戏称为“ Gold Digger”，它使用深度学习方法来识别与特定目标蛋白质结合的金颗粒。

MPFI团队在《科学报告》的新出版物中设计了一种可适应的，基于深度学习的算法，能够准确识别不同大小的金颗粒。这种完全自动化的方法将加快计数过程，并生成跨膜的蛋白质分布的更精确的位置信息，从而加快新的突破。

深度学习或神经网络是一种计算策略，可让软件随着时间的推移逐步学习。就像人的大脑一样，这些类型的算法能够将视觉场景分解为各个组成部分，并被教导识别某些方面。通过提供预先注释的“训练数据”，该软件可以学习如何复制和模仿给定任务的人为行动，这是计算机在不远的过去无法做到的。

Tags：

文章版权声明：除非注明，否则均为供水知识-GONGSHUI.CC原创文章，转载或复制请以超链接形式并注明出处。