Application of ensemble machine learning methods to multidimensional AFM data setsстатья

Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 20 мая 2020 г.

Работа с статьей

Прикрепленные файлы


Имя Описание Имя файла Размер Добавлен
1. Полный текст 2020_Procedia_Computer_Science_Machine_learning_methods_A... 844,9 КБ 18 мая 2020 [IrinaDokukina]

[1] Dokukin M., Dokukina I. Application of ensemble machine learning methods to multidimensional afm data sets // Procedia computer science. — 2020. — no. 169. — P. 763–766. Multidimensional data sets collected with atomic force microscopy on complex biological objects like cells or tissues could be extremely informative. However, due to multidimensionality and unavailability of a large number of samples, processing of such data could be a challenge for automated machine learning methods. Here we discuss an approach based on a reduction of data dimensionality when only a limited number of parameters calculated from each microscopy map are used for machine learning algorithms. This method requires a smaller number of imaged cells, demonstrates higher accuracy of prediction, and provides cell identification that is independent of operator involvement.

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть