.png){kind=icon}
返回
Multidimensional data analysis and classification using SMIAL
.png){kind=icon}
OA
AI
DOI：10.1038/s42003-026-09630-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无标记成像能够在光谱和时间域中实现多维数据采集，并越来越多地应用于生命科学领域。然而，处理多维无标记数据的用户通常缺乏构建可重复图像分析流程所需的编程专业知识。现有软件需要自定义编程或在不同平台之间切换，以完成特征生成和分类任务。在本工作中，我们介绍了SMIAL，这是一个开源图形用户界面（GUI）软件，可作为独立的64位Windows可执行包运行，能够支持多通道2D成像数据的端到端机器学习（ML）工作流程，且无需编程技能。用户可以直接在SMIAL中输入多通道图像堆栈，或通过特征表或预训练ML模型处理预处理的维数据。此外，SMIAL支持参数的保存和重新加载，以确保其在预处理、分割、特征生成、特征选择和分类面板中的可重复性。我们通过三个代表性的无标记多光谱成像应用展示了SMIAL的实用性：黑色素瘤检测、追踪线粒体对鱼藤酮处理的反应以及食品质量的无创评估。SMIAL是一款专为可重复机器学习工作流程设计的开源图形用户界面（GUI）软件，适用于多通道2D无标记成像数据，能够在生物医学和非生物医学应用中进行分类。
Keyword:
Computational biology and bioinformatics
Machine learning
Life Sciences
general
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
