荧光活细胞成像技术
理解复杂和/或快速的细胞动力学是探索生物过程的重要一步。因此，如今的生命科学研究越来越关注动态过程，例如细胞迁移，细胞、器官或整个动物的形态变化，以及活体样本中的实时生理事件（如细胞内离子成分的变化）。
满足此类高难度需求的一种方法是采用某些统称为活细胞成像的光学方法。
荧光染料
荧光显微镜的基本原理是借助荧光染料对细胞成分进行高度特异性的可视化观察。这可能是一种与兴趣蛋白质遗传相关的荧光蛋白，如绿色荧光蛋白（GFP）等。如果克隆无法实现，例如在组织学样本上无法实现，则需要使用另一种技术如免疫荧光染色来对兴趣蛋白质进行可视化观察。为此，人们使用抗体来连接不同的荧光染料并将其直接或间接地结合到适当的靶点上。此外，借助荧光染料，荧光显微镜的应用就不再仅局限于蛋白质观察，还能对核…
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。
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。
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。
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。
通过光学属性了解细胞结构
在过去3年中，显微学家开始在广泛的应用中使用人工智能解决方案，包括图像采集优化（智能显微镜）、目标分类、图像分类、分割、还原、超分辨率和虚拟染色。
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。
