Deep learning enables structured illumination microscopy with low light levels and enhanced speed
Rattachement africain : us, cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Abstract Using deep learning to augment structured illumination microscopy (SIM), we obtained a fivefold reduction in the number of raw images required for super-resolution SIM, and generated images under extreme low light conditions (100X fewer photons). We validated the performance of deep neural networks on different cellular structures and achieved multi-color, live-cell super-resolution imaging with greatly reduced photobleaching.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Deep learning enables structured illumination microscopy with low light levels and enhanced speed
- Date Crossref
- 05/12/2019
- Éditeur
- openRxiv
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.