在基于事件的无标记流式细胞术数据集上训练脉冲神经网络
神经与进化计算
2023-03-21 v1 计算机视觉与模式识别
新兴技术
摘要
成像流式细胞术系统旨在根据细胞或微粒的物理特性分析大量细胞或微粒。当前绝大多数系统获取大量图像，用于训练深度人工神经网络。然而，这种方法会增加最终设备的延迟和功耗。在这项进行中的工作中，我们将基于事件的相机与自由空间光学装置相结合，以获取通过微流体通道的每个粒子的脉冲。在收集的数据集上训练了一个脉冲神经网络，在完全基于事件的分类流程中实现了 97.7% 的平均训练准确率和 93.5% 的平均测试准确率。
引用
@article{arxiv.2303.10632,
title = {Training a spiking neural network on an event-based label-free flow cytometry dataset},
author = {Muhammed Gouda and Steven Abreu and Alessio Lugnan and Peter Bienstman},
journal= {arXiv preprint arXiv:2303.10632},
year = {2023}
}
备注
Accepted to Neuro-Inspired Computational Elements (NICE) conference by ACM in San Antonio, TX, USA, 2023