生命科学研究

生命科学研究

生命科学研究

在生命科学研究中心，您可以掌握最新的关于先进显微镜、成像技术、电镜样品制备和图像分析的前沿应用和创新，涵盖的主题包括细胞生物学、神经科学和癌症研究。希望在这里可以帮助您提升研究能力和精进显微镜在各个科学领域实际应用，并了解徕卡如何通过精确的可视化、图像解读和推进研究进展来赋能您的工作。
Dual color volume rendering of Drp1 oligomers (green) and mito OM (red) in a live U2OS cell

多色四维超分辨光片显微镜

人工智能显微术研讨会主要关注和讨论显微术和生物医学成像领域的最新人工智能技术和工具。在该科学演示中，Yuxuan Zhao展示了如何通过渐进式深度学习策略并结合“双环调制的SPIM”设计改善活细胞中的细胞器三维成像。

人工智能驱动的像素分类器

通过人工操作获得可重复的结果需要具备专业知识，而且工作冗长乏味。但是，现在有一种方法可以克服这些挑战，通过加快这种分析来提取图像的真正价值并获得深入的认识。人工智能驱动的像素分类器可快速提供可重复的分割结果，克服了人工操作问题。与基于功能的传统自动化相比，它可以提供更可靠的结果。

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。
H&E stained micrograph of an intramucosal esophageal adenocarcinoma (left) enhanced with Aivia’s Pixel Classifier (right)

简化癌症生物学图像分析工作流

随着癌症生物学数据集的不断增长，显微图像分割和定量也越来越具挑战性，研究人员被迫在分析工作中耗费大量的时间。
Single timepoint of a drosophilia embryo, 3D object detection

高清检测发育过程中的关键事件

胚胎发育活细胞扩展成像，需要精准平衡曝光量、时间分辨率和空间分辨率，以保持细胞活性。为达到最优的分析结果，从成像数据中获取更多有价值的信息，需要在三个因素之间折中考虑。在本次研讨会中，Aivia团队将展示人工智能如何帮助您进行胚胎发育中的活细胞扩展成像。
Single timepoint of a time-lapse recording of mammary epithelial micro spheroid cultured in 3D highlighting individual mitotic events

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。
Aivia_Neuroscience-VBE comparison mouse-1_traced_ROI

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
Separation of cells based on their tracking status: A colourised binary mask of a time-lapse microscopy field of view of medium confluency with individual cells highlighted as survivors if they can be tracked since the initial movie frame (cyan), incomers if they migrated into the field of view throughout the movie (yellow) or mistracks if an error occurred in the automated trajectory reconstruction (red).

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。
Beckman Coulter LinkBeckman Coulter LogoGenedata LinkIDBS LogoIDBS LinkIDBS LogoAbcam Limited LinkAbcam Limited LogoMolecular Devices LinkMolecular Devices LogoPhenomenex LinkPhenomenex LogoSciex LinkSciex LogoAldevron LinkAldevron LogoIDT LinkIDT Logo
Scroll to top