Publication:
Deep learning for scanning electron microscopy: Synthetic data for the nanoparticles detection

Дата
2020
Авторы
Kharin, A. Y.
Journal Title
Journal ISSN
Volume Title
Издатель
Научные группы
Организационные подразделения
OrgUnit Logo
Организационная единица
Инженерно-физический институт биомедицины
Цель ИФИБ и стратегия развития – это подготовка высококвалифицированных кадров на базе передовых исследований и разработок новых перспективных методов и материалов в области инженерно-физической биомедицины. Занятие лидерских позиций в биомедицинских технологиях XXI века и внедрение их в образовательный процесс, что отвечает решению практикоориентированной задачи мирового уровня – диагностике и терапии на клеточном уровне социально-значимых заболеваний человека.
Выпуск журнала
Аннотация
© 2020 Elsevier B.V.Deep learning algorithms are one of most rapid developing fields into the modern computation technologies. One of the bottlenecks into the implementation of such advaced algorithms is their requirement for a large amount of manually-labelled data for training. For the general-purpose tasks, such as general purpose image classification/detection the huge images datasets are already labelled and collected. For more subject specific tasks (such as electron microscopy images treatment), no labelled data available. Here I demonstrate that a deep learning network can be successfully trained for nanoparticles detection using semi-synthetic data. The real SEM images were used as a textures for rendered nanoparticles at the surface. Training of RetinaNet architecture using transfer learning can be helpful for the large-scale particle distribution analysis. Beyond such applications, the presented approach might be applicable to other tasks, such as image segmentation.
Описание
Ключевые слова
Цитирование
Kharin, A. Y. Deep learning for scanning electron microscopy: Synthetic data for the nanoparticles detection / Kharin, A.Y. // Ultramicroscopy. - 2020. - 219. - 10.1016/j.ultramic.2020.113125
URI
https://www.doi.org/10.1016/j.ultramic.2020.113125
 https://www.scopus.com/record/display.uri?eid=2-s2.0-85091965986&origin=resultslist
 http://gateway.webofknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcAuth=Alerting&SrcApp=Alerting&DestApp=WOS_CPL&DestLinkType=FullRecord&UT=WOS:000594768500003
 https://openrepository.mephi.ru/handle/123456789/22405
Коллекции
Публикации