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。
如何使用Coral Life（活细胞光电联用）改进活细胞成像
对于活细胞 CLEM 应用而言，光学显微镜成像是在正确的时间以正确的状态识别正确细胞的关键步骤。在本文中，徕卡专家就使用宽场系统的优势以及使用蓝宝石作为细胞培养基底时需要克服的障碍分享了他们的见解。
解析肿瘤微环境中的蛋白质组异质性
本讲座将重点介绍激光显微切割技术与微型化定量蛋白质组学/磷酸化蛋白质组学的前沿应用，以揭示肿瘤内部及肿瘤间精细的异质性。这些颠覆性成果为加速发现新型癌症分子亚型、治疗靶点、预后标志物及伴随诊断提供了前所未有的机遇。
下载活细胞成像指南
在生命科学研究中，活细胞成像是一种不可或缺的工具，可用于观察细胞的活体状态。这本电子书回顾了为确保成功进行活细胞成像而需要考虑的各种重要因素。
自适应反卷积与 Computational Clearing 结合的力量
反卷积是一种计算方法，用于恢复被点扩散函数（PSF）和噪声源破坏的物体图像。在本技术简介中，您将了解徕卡显微系统提供的反卷积算法如何帮助您克服宽视场 (WF) 荧光显微镜中由于光的波动性和光学元件对光的衍射而造成的图像分辨率和对比度损失。探索由用户控制或自动反卷积的方法，查看并解析更多的结构细节。
