• About WordPress
    • WordPress.org
    • Documentation
    • Support
    • Feedback
  • Log In
  • Register
  • Helpie Settings
Skip to content
Search for:
  • Le GDR Imabio
    • Présentation du GDR
      • Introduction
      • Organisation du GDR
      • Partenaires académiques
      • Liste de diffusion
    • Soutiens financiers proposés
      • Bourse Accueil Master Interdisciplinaire (AMI)
      • Bourse de mobilité
      • Organisation d’événements scientifiques
      • Participation à des événements scientifiques
      • Soutien du GDR aux appels d’offres
    • Thématiques
      • Présentation des thématiques
      • Axe 1: Architectures et dynamiques à l’échelle nanométrique
      • Axe 2: Mesures, modélisations des dynamiques et interactions moléculaires
      • Axe 3: Contrôle et interactions aux différentes échelles du vivant
        • Imagerie d’organoïdes, de spheroïdes et culture cellulaire 3D
      • Axe 4: Physique et chimie pour l’imagerie en biologie
      • Axe 5: BioImage-informatique
      • Actions transversales
    • Contacter le GDR
  • Club Partenaires
    • Présentation
    • Comment Adhérer
    • Les Partenaires
    • Ressources
  • Membres
    • Annuaire
  • MiFoBio
    • Présentation de Mifobio
    • MiFoBio 2020
      • MiFoBio 2020 – Pre-registration
      • Programme
      • Atelier Mifobio
    • Archives MiFoBio 2018
      • Programme de Mifobio 2018
      • Retour sur Mifobio 2018
      • Partenaires et sponsors
    • Mifobio en vidéo
  • IYSN
  • ImaBioScope
  • Plus
    • WikImaBio
    • Emplois
      • Tous les emplois
      • Publier une offre
    • Evénements
      • Tous les événements
      • Soumettre un événement
  • Forum
Menu Close
  • Le GDR Imabio
    • Présentation du GDR
      • Introduction
      • Organisation du GDR
      • Partenaires académiques
      • Liste de diffusion
    • Soutiens financiers proposés
      • Bourse Accueil Master Interdisciplinaire (AMI)
      • Bourse de mobilité
      • Organisation d’événements scientifiques
      • Participation à des événements scientifiques
      • Soutien du GDR aux appels d’offres
    • Thématiques
      • Présentation des thématiques
      • Axe 1: Architectures et dynamiques à l’échelle nanométrique
      • Axe 2: Mesures, modélisations des dynamiques et interactions moléculaires
      • Axe 3: Contrôle et interactions aux différentes échelles du vivant
        • Imagerie d’organoïdes, de spheroïdes et culture cellulaire 3D
      • Axe 4: Physique et chimie pour l’imagerie en biologie
      • Axe 5: BioImage-informatique
      • Actions transversales
    • Contacter le GDR
  • Club Partenaires
    • Présentation
    • Comment Adhérer
    • Les Partenaires
    • Ressources
  • Membres
    • Annuaire
  • MiFoBio
    • Présentation de Mifobio
    • MiFoBio 2020
      • MiFoBio 2020 – Pre-registration
      • Programme
      • Atelier Mifobio
    • Archives MiFoBio 2018
      • Programme de Mifobio 2018
      • Retour sur Mifobio 2018
      • Partenaires et sponsors
    • Mifobio en vidéo
  • IYSN
  • ImaBioScope
  • Plus
    • WikImaBio
    • Emplois
      • Tous les emplois
      • Publier une offre
    • Evénements
      • Tous les événements
      • Soumettre un événement
  • Forum

Deep Learning

  1. Home>
  2. WikImaBio>
  3. Articles
Password Protected

Nope
Yep, that's right!
Analyse d'image
Biologie
Membrane plasmique
Neurosciences
Chimie
Instrumentation
Microscopie Multiphotonique
Physique

Deep Learning

Deep Learning is a Machine Learning technique that is a more complex (deeper) version of the Neural Networks that were developed in the 80ies. As for all Machine Learning algorithms, the idea is to learn a function that links an input variable x to an output variable y from annotated samples, called the training set. 

In image analysis, we usually use a particular class of neural networks, called “Convolutional Neural Networks” that take images as input variable. These networks consist in a large number of image convolutions (with variable parameters) and non-linearities that transform the image in many ways and learn all the parameters from the training set. The number of parameters is typically very large (in the millions). 

Neural networks can be used for image classification (in this case x is an image and y is a class label), for segmentation (in this case x is an image and y a binary image) or image reconstruction/prediction. They usually require a large number of annotated data and the large number of parameters makes them tricky to train. This has – for a long time – been seen as an obstacle in the bioimaging field, where annotated image data tend to be scarce. However, they are considered to be the most powerful methods for classification of image data today.  

Last updated byAnonymous

Leave a Reply Cancel reply

You must be logged in to post a comment.

This site uses Akismet to reduce spam. Learn how your comment data is processed.

Contact

Pour contacter le GDR Imabio, remplissez le formulaire se trouvant sur la page Contact

Découvrir la politique de confidentialité du site :
Politique de confidentialité

Kit Communication

Plaquette GDR ImaBio

Logo GDR Imabio-eng [PDF]

Recent Posts

  • Imaging Viruses Webinar Registration
  • Symposium “Imaging organoids, spheroids & 3D cell cultures” le 9 octobre 2019
  • ANF Mesure de la Dynamique Moléculaire

Meta

  • Register
  • Log in
  • Entries feed
  • Comments feed
  • WordPress.org