芬诺学习:一个用户友好的图像注释工具包和基于生物数据集的深度学习的表型化工具包
Yichen He1,2, Christopher R Cooney1, Steve Maddock3
1Ecology and Evolutionary Biology, School of Biosciences, University of Sheffield; Alfred Denny Building, Western Bank, Sheffield S10 2TN, UK.
Journal of evolutionary biology
|May 14, 2025
概括
PhenoLearn是一个新的工具包,使得生物学家能够使用深度学习来分析二维样本图像. 它简化了用于表型特征分析的注释生成,减少了计算成本和时间.
科学领域:
- * 生物多样性信息学
- * 计算生物学 * 计算生物学
- * 数字形态学 数字形态学
背景情况:
- *标本的数字化使得大规模的表型特征分析成为可能.
- * 深度学习模型准确地预测2D标本图像上的注释.
- *生物学家往往缺乏使用深度学习工具的计算专业知识.
研究的目的:
- * 介绍PhenoLearn,这是一个生物学家友好的工具包,用于基于深度学习的2D标本图像的注释.
- * 提高深度学习的可访问性,用于自然历史中的表型特征分析.
- * 简化图像注释,模型训练和预测的工作流程.
主要方法:
- *PhenoLearn集成图形用户界面 (GUIs) 进行直观的使用.
- *两个核心模块:PhenoLabel用于图像注释和PhenoTrain用于模型训练/预测.
- *案例研究:对鸟类羽毛区域的细分来证明能力.
主要成果:
- *PhenoLearn成功地对鸟类图像中的羽毛区域进行了细分.
- * 证明了预测准确性和效率 (有/没有GPU).
- * 突出显示最小的计算成本和生成注释的时间.
结论:
- *PhenoLearn弥合了样本数字化和深度学习分析之间的差距.
- * 增加生物学家对特征分析的先进计算工具的访问.
- *为不断发展的深度学习方法提供了模块化和可适应的解决方案.


