通过 AI 汇合度提高 2D 细胞培养的精度
本文解释了如何利用人工智能（AI）进行高效、精确的 2D 细胞培养汇合度评估。准确评估细胞培养的汇合度，即表面积覆盖的百分比，对于可靠的细胞研究至关重要。传统方法使用视觉检查或简单算法，使结果不客观和精确，尤其是对于用于药物发现、组织工程和再生医学的复杂细胞系。利用自动化图像分析和深度学习算法的方法提供更好的精度，并可以增强实验结果。
基于人工智能的多重图像分析以探索结肠腺癌
在这项研究中，我们展示了一种利用Cell DIVE和AIVIA软件的空间生物学工作流程，以绘制结肠腺癌中的肿瘤免疫景观图。
肿瘤空间微环境的元癌症分析
研究 TME中肿瘤、基质和免疫细胞之间的相互作用需要采用超多重免疫荧光成像方法。在这里，我们分析了一组Cell Signaling Technology（CST®）抗体，这些抗体针对肺癌、结肠癌和胰腺癌等癌症的标志物。通过Cell DIVE成像和Aivia中的聚类分析，我们确定了TME中的空间相互作用，包括组织特异性和共有的相互作用。
通过成像和AI绘制结直肠癌的景观
结肠癌是一种高负担疾病。尽管进行了化疗干预和手术切除，但疾病可能会复发。了解结肠癌微环境对于改善治疗效果是必要的。在这里，我们使用空间生物学方法，通过Cell DIVE和 Aivia可视化结肠腺癌组织中的30个生物标志物。我们探讨了肿瘤组织的血管化、免疫细胞反应和细胞增殖。
超分辨率显微镜图片库
由于光的衍射极限，传统共聚焦显微镜无法分辨约240纳米以下的结构。当需要提高分辨率以研究衍射极限尺度以下的结构和分子事件时，会使用超分辨率显微镜技术，如STED、PALM或STORM，或某些解卷积处理方法。
数字显微镜相机和图像分析的技术术语
了解数字显微镜相机技术背后的基本原理，数字相机是如何工作的，并利用本文中的技术术语参考列表。
基于 AI 引导的多重二维数据向空间洞察的转化
Aivia 13 能够处理大型二维图像，使研究人员能够通过检测数百万个对象和自动聚类多达 30 个标记物，深入理解其表型周围的微环境。
利用 SPARCS 探索亚细胞空间表型
功能日益强大的显微镜可提供信息丰富的各种细胞表型数据。如果与深度学习的最新进展相结合，这将成为在基因筛选中读出感兴趣的生物表型的理想技术。在本网络讲座中，您将了解到空间分辨 CRISPR 筛选 (SPARCS)，这是一种利用自动化高速激光显微切割技术在人类基因组尺度上揭示各种亚细胞空间表型的平台。
借助人工智能，揭示复杂而密集的神经元图像中的洞察
神经元的3D形态学分析通常需要使用不同的成像模式，捕捉多种类型的神经元，并在各种密度下相连的传统Leica SP8显微镜采集多达解神经元的形态，这对许多研究人员来说仍然是一个耗时的挑战。
