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 GrößeFormat  
PhD_Thesis_AG.pdfa5d30fff3be93fdb68b212fff8c3db3b66.37 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Info

Seitenansichten

Letzte Woche
Letzten Monat
geprüft am null

Download(s)

Letzte Woche
Letzten Monat
geprüft am null
Werkzeuge

Google ScholarTM

Prüfe