DeepLongevity:深度学习用于秀丽隐杆线虫显微照片中的老化分析 源码

深度生活 秀丽隐杆线虫显微照片中用于老化分析的深度学习。 在这里,我们比较了预测线虫蠕虫的寿命和总运动的几种深度学习方法。 使用这种方法,我们正在寻找无标签的显微照片提示,以使我们能够在模型生物中定位与年龄相关的病理。 scanWormFolders.py-脚本扫描带有原始图像的文件夹,计算每个蠕虫的寿命,并为实验中所有蠕虫创建一个具有寿命长度的表 wormTrainer.py-我们用于训练InceptionV3模型以将蠕虫分为两类的脚本:“长寿命”和“短寿命”。 实施了数据扩充,并在脚本中设置了所有参数。 保存模型和获得的权重。 wormTrainer_DenseNet.py,wormTrainer_MobilNet.py,wormTrainer_NASNet.py-相应地,我们使用DenseNet,MobilNet,NASNet的脚本对“长”和“短”寿命进行了分类。 wormT