新软件助力成像图片中的细胞核分割

891 teams worldwide to make the first attempt to build a segmentation method that could be applied to any two-dimensional light microscopy image of stained nuclei across experiments， Beth A. Cimini， Minh Doan，这是迈向无配置生物图像阐明软件东西的重要一步。

Allen Goodman，而无需手动调解支解参数， Tim Becker，很多生物图像阐明东西可以支解图像中的核，www.aepnet.com，《自然要领学》在线颁发了这项成就，互联网资讯，在显微镜图像中支解细胞核凡是是对生物学和生物医学应用的成像数据进行定量阐明的第一步，10月21日， 本期文章：《自然—要领学》：Online/在线颁发 美国麻省理工学院和哈佛大学博德研究所Anne E. Carpenter研究组报道了2018年数据科学碗锦标赛的功效：差异成像尝试中的细胞核支解，但需要为每个尝试进行选择和配置， Marzieh Haghighi，首次实验成立一种支解要领，而无需人工过问，他们开发了基于深度学习的模型，热点资讯， CherKeng Heng。

附：英文原文 Title:Nucleus segmentation across imaging experiments: the 2018 Data Science Bowl Author:Juan C. Caicedo， developing deep-learning-based models that identified cell nuclei across many image types and experimental conditions without the need to manually adjust segmentation parameters. This represents an important step toward configuration-free bioimage analysis software tools. DOI: 10.1038/s41592-019-0612-7 Source: https://www.nature.com/articles/s41592-019-0612-7 期刊信息 Nature Methods： 《自然要领学》， Jeanelle Ackerman，挑战中的顶级参加者乐成完成了这项任务， Kyle W. Karhohs，。

Mohammad Rohban，附属于施普林格自然出书团体。

最新IF：28.467 官方网址： https://www.nature.com/nmeth/ 投稿链接： https://mts-nmeth.nature.com/cgi-bin/main.plex ， 据了解，该模型可以识别很多图像类型和尝试条件下的细胞核， Claire McQuin。

创刊于2004年， Shantanu Singh Anne E. Carpenter IssueVolume: 2019-10-21 Abstract: Segmenting the nuclei of cells in microscopy images is often the first step in the quantitative analysis of imaging data for biological and biomedical applications. Many bioimage analysis tools can segment nuclei in images but need to be selected and configured for every experiment. The 2018 Data Science Bowl attracted 3， with no human interaction. Top participants in the challenge succeeded in this task，其可以应用于整个尝试中染色核的任何二维光学显微镜图像。

2018年数据科学碗锦标赛吸引了全球3891个团队。