Titel: | aMP: Deep learning framework to characterize meiosis progression timeline in tetraploid Arabidopsis thaliana |
Sprache: | Englisch |
Autor*in: | Ghosh, Ankit |
Schlagwörter: | Bioinformatics; Machine learning; Single cell analysis; Meiosis; Plant Science |
Erscheinungsdatum: | 2024 |
Tag der mündlichen Prüfung: | 2024-10-01 |
Zusammenfassung: | In plant science, the detailed examination of meiosis progression is hampered by the labour-intensive process of manual image analysis. Our research presents a novel, deep learning-based automation pipeline that significantly streamlines the quantification of meiotic timelines by analysing live-imaging videos. This innovative approach employs segmentation models to stabilize video frames, refines ... |
URL: | https://ediss.sub.uni-hamburg.de/handle/ediss/11301 |
URN: | urn:nbn:de:gbv:18-ediss-123289 |
Dokumenttyp: | Dissertation |
Betreuer*in: | Schnittger, Arp Laue, Sören |
Enthalten in den Sammlungen: | Elektronische Dissertationen und Habilitationen |
Dateien zu dieser Ressource:
Datei | Prüfsumme | Größe | Format | |
---|---|---|---|---|
PhD_Thesis_AG.pdf | a5d30fff3be93fdb68b212fff8c3db3b | 66.37 MB | Adobe PDF | Öffnen/Anzeigen |
Info
Seitenansichten
Letzte Woche
Letzten Monat
geprüft am null
Download(s)
Letzte Woche
Letzten Monat
geprüft am null
Werkzeuge