Zobrazeno 1 - 10
of 55
pro vyhledávání: '"Narayanaswamy, Arunachalam"'
Publikováno v:
Sci. Adv.8, eabq0279 (2022)
Systematic development of accurate density functionals has been a decades-long challenge for scientists. Despite the emerging application of machine learning (ML) in approximating functionals, the resulting ML functionals usually contain more than te
Externí odkaz:
http://arxiv.org/abs/2203.02540
Autor:
Narayanaswamy, Arunachalam, Venugopalan, Subhashini, Webster, Dale R., Peng, Lily, Corrado, Greg, Ruamviboonsuk, Paisan, Bavishi, Pinal, Sayres, Rory, Huang, Abigail, Balasubramanian, Siva, Brenner, Michael, Nelson, Philip, Varadarajan, Avinash V.
Publikováno v:
MICCAI 2020
Model explanation techniques play a critical role in understanding the source of a model's performance and making its decisions transparent. Here we investigate if explanation techniques can also be used as a mechanism for scientific discovery. We ma
Externí odkaz:
http://arxiv.org/abs/2007.05500
It's easy to fool yourself: Case studies on identifying bias and confounding in bio-medical datasets
Autor:
Venugopalan, Subhashini, Narayanaswamy, Arunachalam, Yang, Samuel, Geraschenko, Anton, Lipnick, Scott, Makhortova, Nina, Hawrot, James, Marques, Christine, Pereira, Joao, Brenner, Michael, Rubin, Lee, Wainger, Brian, Berndl, Marc
Confounding variables are a well known source of nuisance in biomedical studies. They present an even greater challenge when we combine them with black-box machine learning techniques that operate on raw data. This work presents two case studies. In
Externí odkaz:
http://arxiv.org/abs/1912.07661
Autor:
Varadarajan, Avinash, Bavishi, Pinal, Raumviboonsuk, Paisan, Chotcomwongse, Peranut, Venugopalan, Subhashini, Narayanaswamy, Arunachalam, Cuadros, Jorge, Kanai, Kuniyoshi, Bresnick, George, Tadarati, Mongkol, Silpa-archa, Sukhum, Limwattanayingyong, Jirawut, Nganthavee, Variya, Ledsam, Joe, Keane, Pearse A, Corrado, Greg S, Peng, Lily, Webster, Dale R
Publikováno v:
Nature Communications (2020)
Diabetic eye disease is one of the fastest growing causes of preventable blindness. With the advent of anti-VEGF (vascular endothelial growth factor) therapies, it has become increasingly important to detect center-involved diabetic macular edema (ci
Externí odkaz:
http://arxiv.org/abs/1810.10342
Autor:
Yang, Samuel J. *, ****, Lipnick, Scott L. *, Makhortova, Nina R. *, Venugopalan, Subhashini *, Fan, Minjie *, Armstrong, Zan **, Schlaeger, Thorsten M. **, Deng, Liyong **, Chung, Wendy K. **, O’Callaghan, Liadan **, Geraschenko, Anton **, Whye, Dosh **, Berndl, Marc **, Hazard, Jon **, Williams, Brian **, Narayanaswamy, Arunachalam **, Ando, D. Michael ***, Nelson, Philip ***, Rubin, Lee L. ***
Publikováno v:
In SLAS Discovery September 2019 24(8):829-841
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yang, Samuel J, Berndl, Marc, Michael Ando, D., Narayanaswamy, Arunachalam, Christiansen, Eric, Hoyer, Stephan, Roat, Chris, Rueden, Curtis T, Shankar, Asim, Finkbeiner, Steven, Nelson, Philip, Yang, Samuel J., Rueden, Curtis T., Barch, Mariya, Hung, Jane Yen
Publikováno v:
BioMed Central
BMC bioinformatics, vol 19, iss 1
BMC Bioinformatics, Vol 19, Iss 1, Pp 1-9 (2018)
BMC Bioinformatics
BMC bioinformatics, vol 19, iss 1
BMC Bioinformatics, Vol 19, Iss 1, Pp 1-9 (2018)
BMC Bioinformatics
Background Large image datasets acquired on automated microscopes typically have some fraction of low quality, out-of-focus images, despite the use of hardware autofocus systems. Identification of these images using automated image analysis with high
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::0e46625dca1b75622caa2c34d059d37d
http://hdl.handle.net/1721.1/114668
http://hdl.handle.net/1721.1/114668