基于模型监督学习的宽场干涉显微术中的纳米颗粒分类
计算物理
2017-05-11 v1
摘要
干涉增强宽场纳米颗粒成像是一种高灵敏度技术，已在带标记和无标记的亚衍射极限病原体检测中获得众多应用。它还为检测时的纳米颗粒分类提供了独特机会。更具体地说，纳米颗粒离焦图像会产生颗粒特异性的响应，这对于纳米颗粒分类，特别是基于类型和尺寸的分类，具有极大的实用价值。在本工作中，我们将基于模型的监督学习算法与宽场共路干涉显微方法相结合，以实现准确的纳米颗粒分类。我们通过使用金和聚苯乙烯纳米球在实验上验证了我们的分类方案。
引用
@article{arxiv.1703.02997,
title = {Nanoparticle Classification in Wide-field Interferometric Microscopy by Supervised Learning from Model},
author = {Oguzhan Avci and Celalettin Yurdakul and M. Selim Unlu},
journal= {arXiv preprint arXiv:1703.02997},
year = {2017}
}
备注
5 pages, 2 figures