利用数据融合和多分类器改进结晶图像的分类

利用多分类器结合不同的特征提取方法，对结晶实验图像进行了改进分类。

通过结晶试验的目视分析建立培训集。第一部分：~150000张图片

作为自动化图像分析训练集的一部分，来自96种不同大分子的约150000张结晶实验图像已被视觉分类为七类。分析结果和趋势。

开发了一个基于Python的多平台开源图形用户界面，为生物分子结晶筛选提供自动化分类和数据管理工具。

开发了一种新的分类系统，以自动识别图像中的晶体生长，假阴性率非常低，假阳性率适中。它使用一个经过纹理和小波特征训练的支持向量机，并包含一个新的算法来查找图像中的跌落区域。

本文提出了一种对连续晶体学数据进行分类的流水线，由实时特征提取算法、图像描述符和机器学习分类器组成。与其他特征提取器和分类器相比，该方法表现出了优越的性能。

本文描述了一项定性研究，以解开卷积神经网络的内部工作，目的是用串行晶体学数据可视化标准网络基本块中的信息。此外，该研究强调了图像中主要有助于预测命中或未命中的区域或部分。

在X射线自由电子激光器的单粒子成像实验中，将卷积神经网络应用于单次击中衍射图样的分类步骤。这种方法不仅可以在实验之后使用，而且重要的是，也可以在实验期间使用，并且可以显著减少数据存储的大小，以供进一步的分析阶段使用。

报道了一种新型的用户友好的高度模块化图形用户界面工具，用于通过实现机器学习对X射线衍射图案进行分类。在有监督的学习方法中，该工具可以很容易地用于识别和分类包含特定实验制品的数据，或训练其执行常规数据分析任务，如命中率查找。

描述了一种自动评估微批次（亚微升滴）蛋白质结晶试验的技术。

Hauptman–Woodward医学研究所（现为国家高通量结晶中心）的结晶设施为结构生物学界服务了20多年。本文描述了从我们的高通量结晶服务、当前操作和能力中吸取的教训，以及结晶未来的愿景。

搜索IUCr日志		国防部		高级搜索
作者		体积	第页