3D 점군 및 법선 벡터를 활용한 곡면 전개(Surface Flattening) 알고리즘 가이드
문제 정의
3D 공간상의 곡면 점군(Point Cloud)과 각 점의 법선 벡터(Normal Vector)가 주어졌을 때, 해당 곡면을 2D 평면으로 전개(Unfolding 또는 Flattening)하여 근사적인 평면 좌표를 얻는 것이 목표입니다.
핵심 난제: 국소 좌표계 구축 및 일관성 유지
단일 점과 법선 벡터를 이용하면 해당 점에서의 국소 좌표계를 정의할 수 있습니다. 그러나 수백, 수천 개의 점 ...
7월 6일 04:57에 게시됨
공간 데이터 분석｜Seurat을 이용한 공간 단일 세포 연구
세포 집단의 무감독 학습 및 시각화
이 문서에서는 Seurat 패키지의 확장 기능을 소개하며, 특히 다양한 이미징 기술로부터 얻은 공개 데이터셋에 초점을 맞춥니다. 여기서는 Akoya CODEX 시스템을 통한 인간 림프절 데이터셋을 다룹니다.
데이터셋은 Akoya CODEX 시스템으로 생성되었으며, 이 시스템은 멀티플렉싱된 공간 분해능 단백질 분석을 수행할 수 있습니다. 본 데 ...
6월 30일 20:56에 게시됨
단일세포 분석: PCA와 정규화 이론
1. 학습 목표
정규화된 카운트가 세포 간 정확한 비교에 왜 필수적인지 이해
주성분 분석(PCA)이 세포 간 유사성을 평가하는 원리 학습
고품질 단일세포 데이터를 확보한 후, scRNA-seq 분석 워크플로우의 다음 단계는 클러스터링입니다. 클러스터링의 목표는 서로 다른 세포 유형을 고유한 군집으로 나누는 것입니다. 이를 위해 세포 간 발현 차이가 가장 큰 유전자를 ...
6월 21일 20:27에 게시됨
주거지 번호 인식을 위한 SVM 기반 이미지 분류 모델 구현
SVM을 활용한 주소판 숫자 인식 시스템 개발
서포트 벡터 머신(SVM)은 지도 학습 방식의 대표적인 분류 알고리즘으로, 고차원 공간에서 데이터를 효과적으로 분리할 수 있는 결정 경계(하이퍼플레인)를 찾는 데 중점을 둔다. 특히 소규모에서 중간 규모의 복잡한 데이터셋에 강한 성능을 보이며, 과적합을 억제하는 능력 덕분에 이미지 인식 작업에 자주 사용된다.
SVM은 ...
6월 18일 20:14에 게시됨
RNA-seq 상세 튜토리얼: 샘플 품질 관리 (6)
학습 목표
카운트 데이터 변환 방법의 중요성 이해
PCA (주성분 분석) 이해
PCA와 계층적 군집화를 사용하여 샘플 품질을 평가하는 방법 이해
품질 관리
DESeq2 워크플로우의 다음 단계는 QC이며, 이는 샘플과 유전자 수준에서 카운트 데이터에 대한 QC 검사를 수행하여 샘플 또는 반복이 양호하게 보이도록 보장하는 것을 포함합니다.
샘플 QC
RNA-seq 분석 ...
6월 4일 03:13에 게시됨