您当前的位置：
首页 >
文章列表页 >
基于光学显微成像和深度学习的无标记肺癌细胞活力检测方法
研究报告 | 更新时间：2026-08-29
上一篇|下一篇

    • 基于光学显微成像和深度学习的无标记肺癌细胞活力检测方法

    • Label-free Lung Cancer Cell Viability Detection Method Based on Optical Microscopy Imaging and Deep Learning

    • “该研究发展了一种基于显微成像和深度学习的无标记检测新方法，介绍了其在肺癌细胞活力检测领域的研究进展，研究团队构建了明场图像数据集并设计了Enhanced-UNet网络，为开发无标记肺癌细胞活力检测技术提供了有价值的参考。”
    • 王慧慧 ，梅正龙 ，张宁 ，邹雪 ，沈成银
    • 分析测试学报 2026年45卷第8期 页码：1687-1696

    • DOI： 10.12452/j.fxcsxb.26050103     

      中图分类号：

    • 修回：2026-06-03 ，

      录用：2026-06-23 ，

    移动端阅览

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 5 ) 表( 8 )

  • 参考文献

  • 出版信息

  • 数据统计

397

浏览量

101

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

关联资源

姚守拙院士纪念专刊 | 中科院合肥物质院沈成银&邹雪：AI+显微镜实现无标记肺癌细胞活力检测

相关文章

机器学习算法在全氟和多氟烷基物质质谱分析中的应用进展
基于近红外光谱与双重门控高分辨率网络的煤种智能分类方法
AI驱动下中药化学成分的智能分析与化学空间拓展
基于高光谱成像与深度学习的滩羊PGK1和PKM2酶水平预测研究
加速溶剂萃取/气相色谱-三重四极杆质谱法测定大气中苯并三唑类紫外吸收剂

相关作者

丁超
叶呈富
赵精琦
赵琳琳
熊曼馨
裴聪聪
张岩皓
彭子芳

相关机构

郑州大学 公共卫生学院
郑州大学 化学学院
郑州大学 生态与环境学院
呼和浩特海关技术中心
广州海关技术中心