Core Concepts
AFM画像の機械学習分析は、サンプル表面の多次元イメージングを可能にし、統計的有意性の重要性を強調している。
Abstract
I. Sokolov1,2,3 *
AFM画像はMLアルゴリズムで直接利用可能。
MLは複数の物理化学特性を同時にイメージング。
AFMは高い空間分解能を提供するが、ノイズに敏感。
人工知能(AI)とML
画像認識の重要性。
MLによるAFM画像解析はがんの検出や細胞表現識別などに成功裏に使用されている。
AFM Image Analysis with ML
CNNや他の深層学習ニューラルネットワークへの制限。
指定されたセルタイプを識別する例。
推奨される手順
AFM画像のML分析に特有な推奨手順図。
データ削減ステップと品質管理ステップが重要。
Stats
"このアプローチは94%の精度で細胞タイプを定義した。"
Quotes
"AFM allows for attaining a very high spatial resolution."
"The described approach has already been successfully used to analyze and classify the surfaces of biological cells."