从大型二维图像中获取更多洞察
Aivia 13 版本对可视化引擎进行了重大改进，使用户能够查看大型多重二维图像（尺寸达 85K x 57K，含 30 个通道）及数百万个检测对象。新增的迷你地图功能帮助研究人员从图像任意位置快速定位至目标区域。自动组织检测技术使用户能基于任意通道自动勾画感兴趣区域（ROI），从而高效分析大型组织切片和组织微阵列（TMA）样本。
此外，Aivia 提供了两种新的细胞检测方案："细胞分析-Cellpose"与"多标记细胞检测"，以帮助用户精准解析数据。这两种方案均采用了优化版的 Cellpose 通用深度学习细胞分割算法[1]，该算法已被证实能准确分割具有多种形态特征的细胞。
专家指导与数据驱动的表型分析
识别图像中的细胞类型对获取深层洞察至关重要。Aivia 的 AI 表型分析器可基于您对数据中表型的专业知识构建分类器。只需选取少量代表性细胞进行训练，Aivia 即可自动完成细胞表型分类。
Aivia 提供两种自动聚类选择：k-means 聚类[2]和 PhenoGraph-Leiden[3]无监督自动聚类方法，仅需少量用户引导输入。这些方法可生成包含多达 30 种生物标志物的强度与形态学测量特征，助力数据驱动的表型分析。
复杂空间数据探索
在处理大型多重二维图像中数百万个对象时，必须对各种实体和特征进行深入定量分析，并将其并置比较。Aivia 现提供专为海量对象数据探索优化的新型图表工具。
在此次 Aivia 新版本中，系统会为不同层级结构生成数据概览，使用户能够获得各表型的一系列测量数据值，还可以进一步进行跨表型的相应测量数据值比较。降维是一种数学方法，通过将高维数据降至二维，帮助用户更好地理解和洞察数据。Aivia 13 提供了三种独特的降维方法，包括 UMAP、PaCMAP 和 t-SNE。此外，Aivia 还允许用户在降维图中观察其聚类或表型分布。
