典型文献
轻量化深度网络辅助于无透镜计算显微图像的细胞分类
文献摘要：
无透镜计算显微成像是一种低成本、高效的成像技术.这种成像方式具有大视野、高通量的特点,能够实时地对细胞进行无标记成像.提出了一种轻量化网络模型(Depthwise-ResNeXt),将该神经网络与无透镜计算显微成像进行有机结合,实现了实时准确的细胞分类.使用SUM、MCF10A、ECa109、CL-1四种细胞作为分类数据,Depthwise-ResNeXt对这四类细胞的分类准确率达到92.8％,参数量仅有806 kB.该网络证明了神经网络与无透镜计算显微成像在细胞分类领域相结合的可能性,并大大降低了神经网络在细胞分类方面的应用成本.
文献关键词：
生物光学;数字全息;计算显微成像;无透镜成像技术;细胞分类;神经网络;轻量化网络
中图分类号：
作者姓名：
王朝晖;康欢;陈多芳;徐欣怡;曾琦;梁继民;陈雪利
作者机构：
西安电子科技大学生命科学技术学院西安市跨尺度生命信息智能感知与调控重点实验室,陕西西安710126;西安电子科技大学电子工程学院,陕西西安710126
文献出处：
引用格式：
[1]王朝晖;康欢;陈多芳;徐欣怡;曾琦;梁继民;陈雪利-.轻量化深度网络辅助于无透镜计算显微图像的细胞分类)[J].中国激光,2022(05):130-138
A类：
计算显微成像,ECa109
B类：
深度网络,显微图像,细胞分类,像是,成像方式,大视野,无标记成像,轻量化网络,Depthwise,ResNeXt,SUM,MCF10A,CL,分类数据,四类,分类准确率,参数量,kB,大大降低,生物光学,数字全息,无透镜成像技术
AB值：
0.316149
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
