EZ-FRCNN:用于从伦理学到细胞生物学的对象检测应用的快速,可访问和强大的深度学习包
Erin Shappell1,2, Jacob M Wheelock1,2, Guillaume Aubry3
1Interdisciplinary Program in Bioengineering, Georgia Institute of Technology, Atlanta, GA, USA.
bioRxiv : the preprint server for biology
|July 16, 2025
概括
EZ-FRCNN是一个用户友好的离线工具,用于生物图像分析. 它使深度学习对象检测可用于各种应用,从细胞查到野生动物跟踪.
科学领域:
- 计算生物学 计算生物学
- 生物图像分析 生物图像分析
- 机器学习在生物学中的应用
背景情况:
- 高通量成像产生大型的生物数据集.
- 深度学习在图像分析方面表现出色,但在生物学中面临采用障碍.
- 现有的方法通常需要编码专业知识和云基础设施.
研究的目的:
- 介绍EZ-FRCNN,一个用户友好的,本地托管的生物物体检测包.
- 为生物图像分析提供深度学习的可访问和可扩展的应用.
- 克服阻碍生物研究采用深度学习的技术障碍.
主要方法:
- 开发了带有图形和脚本界面的EZ-FRCNN.
- 启用了离线数据注释,模型训练和推理.
- 利用基于区域的卷积神经网络 (CNN) 来进行对象检测.
主要成果:
- 证明了EZ-FRCNN在检测大规模查的细胞表型中的实用性.
- 启用了C.的无标签跟踪. 优雅的磨粉机运动量化养动态.
- 为了生态研究,在自然环境中促进动物的识别.
结论:
- 像EZ-FRCNN这样的可访问的工具可以推动新的生物发现.
- 促进细胞疗法的快速选和没有固定化的行为调查.
- 在实验室和现场设置中以最小的计算成本实现高效的野生动物跟踪.


