Integrating XMALab and DeepLabCut for high-throughput XROMM

Marker tracking is a major bottleneck in studies involving X-ray reconstruction of moving morphology (XROMM). Here, we tested whether DeepLabCut, a new deep learning package built for markerless tracking, could be applied to videoradiographic data to improve data processing throughput. Our novel wor...

Полное описание

Сохранить в:
Библиографические подробности
Опубликовано в: :J Exp Biol
Главные авторы: Laurence-Chasen, J.D., Manafzadeh, Armita R., Hatsopoulos, Nicholas G., Ross, Callum F., Arce-McShane, Fritzie I.
Формат: Artigo
Язык:Inglês
Опубликовано: The Company of Biologists Ltd 2020
Предметы:
Methods & Techniques
Online-ссылка:https://ncbi.nlm.nih.gov/pmc/articles/PMC7490514/
https://ncbi.nlm.nih.gov/pubmed/32665442
https://ncbi.nlm.nih.govhttp://dx.doi.org/10.1242/jeb.226720
Метки: Добавить метку
Нет меток, Требуется 1-ая метка записи!

Схожие документы