Sümeyye Nur EMİR, Sibel DANIŞMAZ, Hülya DOĞAN, Ramazan Özgür DOĞAN

Floresan Mikroskop Sistemlerinde Yüksek Doğruluklu Nükleer Segmentasyonu için Otomatik Kodlayıcı Tabanlı Modellerin Geliştirilmesi

Development of Autoencoder Based Models for High Accuracy Nuclear Segmentation in Fluorescent Microscope Systems

Karadeniz Fen Bilimleri Dergisi

2023-Cilt: 13 Sayı: 3

801-813

Floresan mikroskop, Nükleer segmentasyon, Derin öğrenme, Otomatik kodlayıcı, Transfer öğrenme, U-Net

Fluorescent microscope, Nuclear segmentation, Deep learning, Autoencoder, Transfer Learning, U-Net

367 137

0
Benzer Makaleler

Floresan Mikroskop Sistemlerinde Yüksek Doğruluklu Nükleer Segmentasyonu için Otomatik Kodlayıcı Tabanlı Modellerin Geliştirilmesi

Karadeniz Fen Bilimleri Dergisi

Sümeyye Nur EMİR, Sibel DANIŞMAZ, Hülya DOĞAN, Ramazan Özgür DOĞAN

İran Nükleer Krizinde Bıçak Sırtında Siyaset

Güvenlik Stratejileri Dergisi

Kemal TURAN

CT Modalitesinde U-Net Tabanlı Segmentasyon Ağlarını Kullanarak Pankreas Segmentasyonu: Karşılaştırmalı Bir Analiz

Avrupa Bilim ve Teknoloji Dergisi

Alperen DERİN, Caglar GURKAN, Abdulkadir BUDAK, Hakan KARATAŞ

Güvenlik Boyutunda Nükleer Enerjinin Sorunları ve Türkiye

Güvenlik Stratejileri Dergisi

Hasan SAYGIN, Timur KÜPELİ, Ahmet KÜÇÜKŞAHİN, Ayhan DEMİR

Göğüs röntgen görüntülerinde pnömoni tespiti için derin öğrenme modellerinin karşılaştırılması

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi

Zehra KADİROĞLU, Erkan DENİZ, Abdurrahman ŞENYİĞİT

Senkrosıkıştırma dönüşümü ve derin transfer öğrenimi ile Alzheimer hastalığının EEG tabanlı otomatik tespiti

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi

Hasan POLAT

Otomatik/robotik ve geleneksel makineli sağımın somatik hücre ve aerobik kültür sayısı üzerine etkisinin değerlendirilmesi

Veteriner Hekimler Derneği Dergisi

Abdullah Engin GÖKTEPE, Aytaç AKÇAY, Hande GÜRLER

EEG sinyallerinden bakılan görselin üretilmesi

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi

Gaffari ÇELİK, Muhammed Fatih TALU