PulseAugur
中
实时 09:38:47
English(EN) An Integrated Deep Learning and Statistical Framework for Whole-Network Gene--Environment Association with Leaf Vascular Architecture

新框架整合深度学习与统计学用于叶脉管结构分析

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个整合深度学习与统计方法以分析复杂叶脉管结构的新框架。该方法使用经过微调的基于Transformer的边缘检测（EDTER）模型从图像中提取详细的脉管模式，创建全面的全网络表型。该框架还包含一个新的带注释的叶片图像数据库，并应用半参数稀疏典型相关分析（SSCCA）来识别影响这些结构的基因-地理相互作用。初步模拟和在杨树数据集上的应用证明了该方法从高维图像数据中揭示生物学见解的有效性。 AI

排序理由 该项目是一篇学术论文，详细介绍了使用AI和统计技术分析生物图像数据的新方法框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架整合深度学习与统计学用于叶脉管结构分析

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Geran Zhao, Yangsheng Wang, Xiaotian Dai, Guifang Fu ·

    用于全网络基因-环境与叶脉管结构关联的集成深度学习和统计框架

    arXiv:2607.22763v1 Announce Type: cross Abstract: Leaf veins exhibit remarkable diversity in architecture and patterning, yet existing gene--environment association studies have primarily quantified leaf venation using a small collection of low-dimensional summary traits, thereby…

相关实体

相关话题