发简信
IP属地：浙江
-
Win10 1903
一、64位中文 win10 1903 vol大客户批量授权版，含专业/专业工作站/教育/专业教育/企业版 文件名：cn_windows_10_business_edition...
-
Label-free classification of cultured cells through diffraction imaging通过衍射成像对培养细胞进行无标记分类 在流式细胞仪设置中非常需要根据其3D形态自动分类生物细胞。 我们使用衍射成像方法在实验和数值上研究了这种可能性。 已经开发了基于灰度...
-
Motility-based label-free detection of parasites in bodily fluids using holographic speckle analy...
寄生虫感染是一个重要的全球公共卫生问题。基于手动显微镜检查的现有筛选方法通常难以提供足够的体积通量和灵敏度以促进早期诊断。在这里，我们展示了一种基于运动的无标记计算成像平台，...
-
TensorNetwork: A Library for Physics and Machine Learning
TensorNetwork是一个用于实现张量网络算法的开源库[1]。 张量网络是稀疏数据结构，最初设计用于模拟量子多体物理，但目前也应用于许多其他研究领域，包括机器学习。 我...
-
U-Net: Convolutional Networks for Biomedical Image SegmentationU-Net：用于生物医学图像分割的卷积网络 大量同意深度网络的成功培训需要数千个带注释的训练样本。在本文中，我们提出了一种网络和培训策略，它依赖于强烈使用数据扩充来更有效...
-
Computational super-resolution phase retrieval from multiple phase-coded diffraction patterns: si...
从多个相位编码衍射图案中获取计算超分辨率相位：模拟研究和实验 在本文中，我们考虑计算超分辨率反向衍射相位检索。 光学装置是无透镜的，具有用于孔径相位编码的空间光调制器。 ...
-
Extended depth-of-field in holographic imaging using deep-learning-based autofocusing and phase r...使用基于深度学习的自动对焦和相位恢复在全息成像中扩展景深 全息术以仅强度记录的形式对样本的三维（3D）信息进行编码。然而，为了从其全息图解码原始样本图像，需要自动聚焦和相...
-
Deep learning approach to Fourier ptychographic microscopy傅里叶ptychographic显微镜的深度学习方法 卷积神经网络（CNN）在解决复杂的逆问题方面取得了巨大的成功。这项工作的目的是开发一种新的CNN框架，以重建使用计算...
-
Deep Learning Enabled Real Time Speckle Recognition and Hyperspectral Imaging using a Multimode F...使用多模光纤阵列实现深度学习实时散斑识别和高光谱成像 我们展示了使用深度学习来快速光谱解构散斑图案。 可以使用从测量的光谱传输矩阵获取的数字构建的多光谱数据集来有效地训练...
-
Deep hybrid scattering image learning
深度混合散射图像学习 一个训练有素的深度神经网络被证明能够同时恢复两种图像，这两种图像分别被两种不同的散射介质完全破坏。 基于U-net架构的网络可以通过斑点 - 参考图...
-
Deep Learning in Label-free Cell Classification无标签细胞分类中的深度学习 无标记细胞分析对个性化基因组学，癌症诊断和药物开发至关重要，因为它避免了染色试剂对细胞活力和细胞信号传导的不利影响。然而，目前可用的无标记细胞测定...
-
All-optical machine learning using diffractive deep neural networks使用衍射深度神经网络的全光学机器学习 深度学习一直在改变我们使用计算机执行高级推理任务的能力。 在这里，我们介绍了一种物理机制，通过演示全光学衍射深度神经网络（D2NN， d...
