Hollandi Reka et al. nucleAIzer: A Parameter-free Deep Learning Framework for Nucleus Segmentation Using Image Style Transfer. (2020) CELL SYSTEMS 2405-4712 10 5 453-458, 31334623
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[31334623]
  1. Borland David et al. Segmentor: a tool for manual refinement of 3D microscopy annotations. (2021) BMC BIOINFORMATICS 1471-2105 22 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32302054] [Egyeztetett]
    Független, Idéző: 32302054, Kapcsolat: 30675512
  2. von Chamier Lucas et al. Democratising deep learning for microscopy with ZeroCostDL4Mic. (2021) NATURE COMMUNICATIONS 2041-1723 12 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32383562] [Egyeztetett]
    Független, Idéző: 32383562, Kapcsolat: 30675515
  3. Villoutreix Paul. What machine learning can do for developmental biology. (2021) DEVELOPMENT 0950-1991 1477-9129 148 1
    Folyóiratcikk/Ismertetés (Folyóiratcikk)/Tudományos[32383564] [Egyeztetett]
    Független, Idéző: 32383564, Kapcsolat: 30675517
  4. Zhu Y. et al. Automatic improvement of deep learning-based cell segmentation in time-lapse microscopy by neural architecture search. (2021) BIOINFORMATICS 1367-4803 1460-2059 37 24 4844-4850
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32591033] [Nyilvános]
    Független, Idéző: 32591033, Kapcsolat: 30978725
  5. Eschweiler D. et al. 3D fluorescence microscopy data synthesis for segmentation and benchmarking. (2021) PLOS ONE 1932-6203 16 12 December
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32591034] [Nyilvános]
    Független, Idéző: 32591034, Kapcsolat: 30978726
  6. Zhao L. et al. Analysis of the uniqueness and similarity of city landscapes based on deep style learning. (2021) ISPRS INTERNATIONAL JOURNAL OF GEO-INFORMATION 2220-9964 10 11
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32591037] [Nyilvános]
    Független, Idéző: 32591037, Kapcsolat: 30978731
  7. Biancalani T. et al. Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram. (2021) NATURE METHODS 1548-7091 1548-7105 18 11 1352-1362
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32591038] [Nyilvános]
    Független, Idéző: 32591038, Kapcsolat: 30978732
  8. Laine Romain F. et al. Avoiding a replication crisis in deep-learning-based bioimage analysis. (2021) NATURE METHODS 1548-7091 1548-7105 18 10 1136-1144
    Folyóiratcikk/Ismertetés (Folyóiratcikk)/Tudományos[32442011] [Egyeztetett]
    Független, Idéző: 32442011, Kapcsolat: 30978733
  9. Xiao X. et al. Dice-XMBD: Deep Learning-Based Cell Segmentation for Imaging Mass Cytometry. (2021) FRONTIERS IN GENETICS 1664-8021 12
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[32591039] [Nyilvános]
    Független, Idéző: 32591039, Kapcsolat: 30978734
  10. Hallou Adrien et al. Deep learning for bioimage analysis in developmental biology. (2021) DEVELOPMENT 0950-1991 1477-9129 148 18
    Folyóiratcikk/Összefoglaló cikk (Folyóiratcikk)/Tudományos[32429578] [Egyeztetett]
    Független, Idéző: 32429578, Kapcsolat: 30978736
2022-01-25 04:04