Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
Автоматический анализ изображений микроскопии с применением облачного сервиса DLgram01. / Matveev, A. V.; Mashukov, M. Y.; Nartova, A. V. и др.
в: Physical and chemical aspects of the study of clusters nanostructures and nanomaterials, № 13, 32, 2021, стр. 300-311.Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование
}
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