Standard

Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01. / Matveev, A. V.; Mashukov, M. Y.; Nartova, A. V. et al.

In: Physical and chemical aspects of the study of clusters nanostructures and nanomaterials, No. 13, 32, 2021, p. 300-311.

Research output: Contribution to journal › Article › peer-review

Harvard

Matveev, AV, Mashukov, MY, Nartova, AV, Sankova, NN & Okunev, AG 2021, 'Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01', Physical and chemical aspects of the study of clusters nanostructures and nanomaterials, no. 13, 32, pp. 300-311. https://doi.org/10.26456/pcascnn/2021.13.300

APA

Matveev, A. V., Mashukov, M. Y., Nartova, A. V., Sankova, N. N., & Okunev, A. G. (2021). Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01. Physical and chemical aspects of the study of clusters nanostructures and nanomaterials, (13), 300-311. [32]. https://doi.org/10.26456/pcascnn/2021.13.300

Vancouver

Matveev AV, Mashukov MY, Nartova AV, Sankova NN, Okunev AG. Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01. Physical and chemical aspects of the study of clusters nanostructures and nanomaterials. 2021;(13):300-311. 32. doi: 10.26456/pcascnn/2021.13.300

Author

Matveev, A. V. ; Mashukov, M. Y. ; Nartova, A. V. et al. / Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01. In: Physical and chemical aspects of the study of clusters nanostructures and nanomaterials. 2021 ; No. 13. pp. 300-311.

BibTeX

@article{79b6657c7d424ec2ae19c0f2536cf331,
title = "Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01",
abstract = "Исследование материалов методами микроскопии нередко включает стадию подсчета количества наблюдаемых объектов и определения их статистических параметров, для чего необходимо измерять сотни объектов. В работе описан облачный сервис DLgram01, который позволяет специалистам в области материаловедения, не имеющих навыков программирования, выполнять автоматизированную обработку изображений - определять количество и параметры (площадь, размер) изучаемых объектов. Сервис разработан с использованием новейших достижений в области глубокого машинного обучения, для обучения нейронной сети пользователю необходимо разметить несколько изучаемых объектов. Обучение нейронной сети производится автоматически за несколько минут. Важными особенностями сервиса DLgram01 является возможность корректировать результаты предсказания нейронной сети, а также получение детальной информации о всех распознанных объектах. Использование сервиса позволяет существенно сократить временные затраты на количественный анализ изображений, снизить влияние субъективного фактора, повысить точность анализа и его эргоемкость.",
keywords = "microscopy, recognition, nanoparticles, deep neural networks, artificial intelligence, DEEP, SEGMENTATION",
author = "Matveev, {A. V.} and Mashukov, {M. Y.} and Nartova, {A. V.} and Sankova, {N. N.} and Okunev, {A. G.}",
note = "Матвеев А.В., Машуков М.Ю., Нартова А.В., Санькова Н.Н., Окунев А.Г. Автоматический анализ изображений микроскопии с применением облачного сервиса dlgram01 // Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов. – 2021. – № 13. – С. 300-311. Работа выполнена при финансовой поддержке РНФ (проект № 22-23-00951) с использованием оборудования ЦКП «Национальный центр исследования катализаторов»; доступ к базам данных предоставлен ИК СО РАН (проект № AAAA-A21-121011390011-4).",
year = "2021",
doi = "10.26456/pcascnn/2021.13.300",
language = "русский",
pages = "300--311",
journal = "Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов",
issn = "2226-4442",
publisher = "TVER STATE UNIV",
number = "13",

}

RIS

TY - JOUR

T1 - Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01

AU - Matveev, A. V.

AU - Mashukov, M. Y.

AU - Nartova, A. V.

AU - Sankova, N. N.

AU - Okunev, A. G.

N1 - Матвеев А.В., Машуков М.Ю., Нартова А.В., Санькова Н.Н., Окунев А.Г. Автоматический анализ изображений микроскопии с применением облачного сервиса dlgram01 // Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов. – 2021. – № 13. – С. 300-311. Работа выполнена при финансовой поддержке РНФ (проект № 22-23-00951) с использованием оборудования ЦКП «Национальный центр исследования катализаторов»; доступ к базам данных предоставлен ИК СО РАН (проект № AAAA-A21-121011390011-4).

PY - 2021

Y1 - 2021

N2 - Исследование материалов методами микроскопии нередко включает стадию подсчета количества наблюдаемых объектов и определения их статистических параметров, для чего необходимо измерять сотни объектов. В работе описан облачный сервис DLgram01, который позволяет специалистам в области материаловедения, не имеющих навыков программирования, выполнять автоматизированную обработку изображений - определять количество и параметры (площадь, размер) изучаемых объектов. Сервис разработан с использованием новейших достижений в области глубокого машинного обучения, для обучения нейронной сети пользователю необходимо разметить несколько изучаемых объектов. Обучение нейронной сети производится автоматически за несколько минут. Важными особенностями сервиса DLgram01 является возможность корректировать результаты предсказания нейронной сети, а также получение детальной информации о всех распознанных объектах. Использование сервиса позволяет существенно сократить временные затраты на количественный анализ изображений, снизить влияние субъективного фактора, повысить точность анализа и его эргоемкость.

AB - Исследование материалов методами микроскопии нередко включает стадию подсчета количества наблюдаемых объектов и определения их статистических параметров, для чего необходимо измерять сотни объектов. В работе описан облачный сервис DLgram01, который позволяет специалистам в области материаловедения, не имеющих навыков программирования, выполнять автоматизированную обработку изображений - определять количество и параметры (площадь, размер) изучаемых объектов. Сервис разработан с использованием новейших достижений в области глубокого машинного обучения, для обучения нейронной сети пользователю необходимо разметить несколько изучаемых объектов. Обучение нейронной сети производится автоматически за несколько минут. Важными особенностями сервиса DLgram01 является возможность корректировать результаты предсказания нейронной сети, а также получение детальной информации о всех распознанных объектах. Использование сервиса позволяет существенно сократить временные затраты на количественный анализ изображений, снизить влияние субъективного фактора, повысить точность анализа и его эргоемкость.

KW - microscopy

KW - recognition

KW - nanoparticles

KW - deep neural networks

KW - artificial intelligence

KW - DEEP

KW - SEGMENTATION

UR - https://www.elibrary.ru/item.asp?id=47381687

UR - https://www.mendeley.com/catalogue/f6af5fec-ea87-3a4f-bd31-3cbe2e2094c1/

U2 - 10.26456/pcascnn/2021.13.300

DO - 10.26456/pcascnn/2021.13.300

M3 - статья

SP - 300

EP - 311

JO - Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов

JF - Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов

SN - 2226-4442

IS - 13

M1 - 32

ER -

ID: 35561768