Super-resolution Fluorescence Microscopy
Protein Dynamics in Living Cells
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Sofia Kapsiani1, Nino F Läubli1, Edward N Ward1
1Department of Chemical Engineering and Biotechnology, University of Cambridge, Cambridge CB3 0AS, U.K.
一个深度学习模型FLIMngo准确地量化了来自光子缺乏环境的光终身成像显微镜 (FLIM) 数据. 这种进步大大缩短了数据采集时间,使FLIM成为活样分析的高吞吐量工具.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: