使用深度学习技术追踪单细胞
人工智能解决方案在显微镜领域的应用不断拓展。从自动化目标分类到虚拟染色，机器学习和深度学习技术在帮助显微镜学家简化分析工作的同时，也在持续推动科学技术领域的突破。
人工智能和共焦显微镜 - 需知信息
本常见问题清单是对AiviaMotion介绍文章“人工智能如何增强共焦成像”的补充，并为相关问题提供了实用的解答。
人工智能如何增强共聚焦成像
在本文中，我们将展示人工智能（AI）如何增强您的成像实验。即，由 Aivia 提供支持的动态信号增强如何在捕捉活细胞样本的时间动态的同时提高图像质量。
基于荧光寿命的成像图库
共聚焦显微镜技术依赖于荧光探针的有效激发以及由荧光过程所发射的光子的高效收集。荧光特性之一是其发射波长（即荧光团的光谱特征）。另一个更为强大但尚未充分探索的特性是荧光寿命（荧光团在激发态的持续时间）。基于荧光寿命的信息增加了共聚焦实验的一个额外维度，能够揭示荧光团微环境的信息，并允许对光谱特性相重叠的物种进行多重分析。
美国联邦法规第21章第11款和其他相关法规简介
本文概述了在美国（联邦法规第21章第11款）、欧盟（GMP附录11）和中国（NMPA）所用电子记录（数据输入、存储、签名和审批）的法规和指南，这些法规和指南会对医疗器械质量控制的数字化增强检测解决方案产生影响。与纸质记录方法相比，使用显微镜进行数字化增强检测具有更一致和更高效的检测优势。但是，与纸质记录和签名的规定相比，电子记录和签名的规定有明显不同的建议和要求。电子记录的创建、验证、存储和备份应…
多彩图库
荧光多色显微技术是多重成像技术的一个方面，可在同一实验中观察和分析同一样本中的多种元素--每种元素都标记有不同的荧光染料。这不仅能提高实验效率，还能获得更可靠、更有意义的结果，从而了解细胞和组织内的复杂过程。本图集展示了使用THUNDER和STELLARIS平台获得的标有多种荧光探针的样本图像。
应用于显微术中的人工智能技术网络研讨会
我们展示了使用残差通道注意力网络（RCAN）还原和增强三维延时(4D)荧光显微数据。
弹壳撞针压痕的三维形貌分析
本文根据三维形貌资料讨论了射击后弹壳底火帽形貌、扁度和撞针压痕（弹坑）深度的分析情况。对已射击弹药和未射击弹药的底火帽进行了三维形貌分析。用左轮手枪从3个方向射击弹药：水平、垂直向上、垂直向下。测定了在三种射击条件下底火帽扁度的变化、撞针压痕的深度以及个别特征的可辨性。
钢夹杂物自动评级解决方案如何工作？
对非金属夹杂物（NMI）进行评级以确定钢材质量对许多工业应用都至关重要。与人工评级相比，自动 NMI 评级解决方案具有明显优势，可实现高效、经济的钢材质量评估。使用光学显微镜和先进的软件，自动 NMI 评级可为多个完整样品提供可靠、一致的结果，且不受用户影响。徕卡显微系统公司的钢材质量解决方案套件就是自动 NMI 评级解决方案的一个例子，它可以帮助钢铁生产商和零部件制造商节省时间和金钱。
