在显微成像和图像分析中运用人工智能和机器学习技术
Emma Lundberg 教授是瑞典 KTH 皇家理工学院细胞生物学蛋白质组学教授。她还是细胞图谱项目的总监，该项目是瑞典人类蛋白质图谱(HPA)项目不可或缺的组成部分，后者是用于研究人类蛋白质组的开源资源。细胞图谱项目是 HPA 的一部分，提供人类细胞系中 RNA 和蛋白质的表达及时空分布的高分辨率图像。Lundberg…
在显微图像分析中运用机器学习技术
显微成像技术最近取得了令人振奋的进展，因此，在生物医学研究中采集的图像数据无论质量还是数量都呈指数级增长。但是，分析日益复杂的大型图像数据集以提取有意义的信息可能是一个既枯燥又耗时的过程，而且容易出现人为误差和偏差，这经常给许多研究人员造成生产效率瓶颈。
便捷高效的多色成像新方法
之所以开发将高光谱拆分与相量分析相结合的技术，是为了简化从用多个荧光团标记的样本中采集图像的过程。这种组合方法可消除多通道成像中常见的障碍，例如荧光团串扰和低效的每种信号依次成像（这两种情况都可能导致丢失信息）。此外，它还有助于改进图像采集和数据生成，从而提高实验效率。
多通道活细胞成像注意事项
同时多色成像，确保实验成功：活细胞成像实验是了解动态过程的关键。这类实验使我们能够观察记录活体状态下的细胞，而不会可能因固定或终止不同活体过程而产生干扰性伪影。
多色显微成像：多通道的重要性
多通道一词是指使用多种荧光染料来检查一个样本中的不同元素。多通道成像可以同时观察相关组分和过程，从而为您的观察添加更多背景信息，最终提供更有意义的结果。它还有助于观察采用其他方法可能会遗漏的相互依赖性。
利用DLS对细胞球中的抗癌药物摄取进行成像
细胞球3D细胞培养模型模拟了活组织的生理和功能，使其成为研究肿瘤形态和筛选抗癌药物的有用工具。药物AZD2014是一种公认的哺乳动物雷帕霉素靶蛋白（mTOR）通路抑制剂[1]。mTOR的异常激活会促进肿瘤生长和转移，导致AZD2014进入临床试验作为抗癌分子。其具体的抗肿瘤机制尚不清楚。
在不同尺度下观察复杂的细胞相互作用
细胞间的相互作用很难观察，其中涉及的目标检测和关系衡量尤为棘手。没有简单易用的目标检测及其关系测量方法，很难观察到细胞间的相互作用。
癌症活体显微镜检查
请加入我们的特邀演讲嘉宾 Jacco van Rheenen 教授的网络研讨会，他将展示他在驱动癌症起始和进展的细胞的身份、行为和命运方面的研究成果。
自动化加速神经元图像分析
复杂神经投射的检测能力主要取决于大规模神经元网络的精确重建。神经科学研究中的大多数数据析取方法都非常耗时和易错，进而导致进度延误和错误。在本次研讨会中，Aivia将演示如何利用自动化技术提升图像分析工作流的效率
