| 使用深度学习和合适的无透镜全息显微镜从全息图进行细胞活力分析和计数 |
| TR201915794 2019-10-14 发明申请 |
| 2021-4-21 |
| 本发明是一种全息显微镜(没有反射镜和类似的光学元件)，其通过训练基于深度学习的卷积神经网络直接从全息图图像检测死细胞和活细胞之间的差异，然后根据从未用于训练的新样本(A)获得的细胞全息图对生存力分析做出预测。 1)及其特征; 包含可以是激光器或发光二极管(LED)的光源(10)，包含捕获图像的图像传感器(30)，包含包含样品(a)的微流体芯片(20)，在服务器中创建，用台盼蓝或未染色的、静止的或流动的死细胞和活细胞染色，用全息图和/或相位图像预定义和训练，其特征在于其包含卷积神经网络，该卷积神经网络能够(a)样品的生存力分析和计数。 |
微信公众号