Quantitative Morphological and Biochemical Feature Extraction and Supervised Learning and Identification
6:42
Results: Representative Label-Free Lymphocyte Subtype 3D Phase Imaging Identification
7:56
Conclusion
Transcript
이 방법은 기존의 형광 라벨링 및 유동 세포 측정 분석 절차에 대한 대안을 제공하며, 이는 시간이 많이 소요되고 비용이 많이 들며 시료의 세포 기능을 변경할 위험이 있습니다. 이 기술의 주요 장점은 3차원 굴절지수 단층 촬영과 기계 학습은 신속하고 정확한 림프구 식별을 가능하게 하는 라벨이 없고 정량적인 방법입니다. 림프구의 식별이 질병 진단 및 적절한 치료 응용 프로그램에 중요 할 수 있기 때문에이 기술의 의미는 혈액 암과 자가 면역 질
Sign in or start your free trial to access this content
우리의 림프 구 정량 위상 이미징 및 기계 학습 알고리즘을 사용 하 여 레이블 없는 식별 프로토콜을 설명 합니다. 림프 톨의 3 차원 굴절률 tomograms의 측정 3D 형태학 및 생화학 정보 개별 셀에 대 한 다음 종류의 식별을 위한 기계 학습 알고리즘으로 분석을 제시.