CEM500K, a large-scale heterogeneous unlabeled cellular electron microscopy image dataset for deep learning

Automated segmentation of cellular electron microscopy (EM) datasets remains a challenge. Supervised deep learning (DL) methods that rely on region-of-interest (ROI) annotations yield models that fail to generalize to unrelated datasets. Newer unsupervised DL algorithms require relevant pre-training...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Ryan Conrad, Kedar Narayan
Format:	Artigo
Język:	Inglês
Wydane:	eLife Sciences Publications Ltd 2021-04-01
Seria:	eLife
Hasła przedmiotowe:	electron microscopy deep learning segmentation vEM neural network image dataset
Dostęp online:	https://elifesciences.org/articles/65894
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!