هوش مصنوعی در میکروسکوپی بدون برچسب: طبقه بندی سلول های بیولوژیکی به روش کشش زمانی ۲۰۱۷
Artificial Intelligence in Label-free Microscopy: Biological Cell Classification by Time Stretch 2017

دانلود کتاب هوش مصنوعی در میکروسکوپی بدون برچسب: طبقه بندی سلول های بیولوژیکی به روش کشش زمانی ۲۰۱۷ (Artificial Intelligence in Label-free Microscopy: Biological Cell Classification by Time Stretch 2017) با لینک مستقیم و فرمت pdf (پی دی اف)

نویسنده

Ata Mahjoubfar, Bahram Jalali, Claire Lifan Chen

voucher-1

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2017

زبان

English

تعداد صفحه‌ها

134

نوع فایل

epub, pdf

حجم

3 Mb, 5 Mb

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب هوش مصنوعی در میکروسکوپی بدون برچسب: طبقه بندی سلول های بیولوژیکی به روش کشش زمانی ۲۰۱۷

این کتاب، تصویربرداری کمی فازی با کشش زمانی (TS-QPI) را معرفی می کند؛ یک سیتومتر جریان تصویربرداری با توان عملیاتی بالا و بدون نیاز به برچسب که برای گردآوری و تحلیل داده های بزرگ در غربالگری فنوتیپی توسعه یافته است. TS-QPI قادر است به طور همزمان تصاویر کمی فازی نوری و شدت را ثبت کند و امکان تجزیه و تحلیل سلولی با محتوای بالا، تشخیص سرطان، ژنومیک شخصی سازی شده و توسعه دارو را فراهم می آورد. نویسندگان همچنین یک خط لوله کامل یادگیری ماشین را به نمایش می گذارند که اندازه گیری فاز نوری، پردازش تصویر، استخراج ویژگی و طبقه بندی را انجام می دهد، و تصویربرداری کمی با توان عملیاتی بالا را ممکن می سازد که به دقت بسیار بالایی در غربالگری فنوتیپی سلولی بدون نیاز به برچسب دست می یابد و مسیر جدیدی را به سوی تشخیص داده محور باز می کند.

 

توضیحات(انگلیسی)

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.

دیگران دریافت کرده‌اند

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.