- 博客(3)
- 收藏
- 关注
原创 论文阅读笔记:基于深度学习的单粒子跟踪分析,实现扩散与函数的自动关联
方法来进行识别(计算不同帧之间粒子的位移之和,以时间为变量进行曲线拟合),如果轨迹很多,通过计算许多单粒子在不同时间跨度的帧的位移,拟合出扩散方程,判断是什么扩散状态,然而这一方法却假设粒子在扩散过程中状态不会变化,忽略了在扩散过程中可能从状态变化而分析出现象这么一个可能性,因此有局限性。同时,在通常使用的方法中,如果希望看两个不同蛋白的定位,通常使用两种不同的蛋白,但是通过轨迹特征,可以节省荧光蛋白的通道数量,文章采用相同萤光团标记进行测试时,实现了。,其外部结构逐步剥离的过程。
2025-08-17 19:02:53
1505
原创 论文阅读笔记:环反卷积显微镜:利用对称性进行有效的空间变化像差校正
主要创新点:在原本的整个视场中PSF不变和整个视场中PSF一直变化中找到了平衡点,利用大多数显微镜和相机的旋转对称性,创新了一种新的PSF计算方法,从而可以适配多种多种显微成像模式,并且这一方法也可以扩展到其他对称方式中使用的路径不同于现有工作各种参数模型拟合的工作比如二维高斯分布。
2025-08-17 18:30:03
1699
原创 论文阅读笔记:在太体素光片显微镜下实现局部神经元簇的三维全脑映射的深度学习流程
分析流程方面,文章可识别神经元簇的区域更精准,为初步分析神经元活动强度,文章首先通过减去每一区域中神经活动的平均密度得到神经元密度图,为生成神经元的簇,文章应用双向方差分析的方法检测体素之间的相关性,再通过无阈值增强簇(TFCE)方法,通过不提前设定阈值的方法来确定神经元的簇,这样生成神经元的簇的信息更加精准,之后用一个表格来表示这些簇的信息,包括了体积、在每个大脑区域的比例强度等等信息,如果需要分析的更精细,需要到神经元细胞层面,也可以对应到原始高分辨图像的神经元活动。局部神经元活动和连接。
2025-04-21 11:43:35
1394
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅