医疗

医疗

医疗

探索专为神经外科、眼科、整形外科、耳鼻喉科和牙科 HCP 量身定制的科学和临床综合资源,包括行业洞见、临床案例研究和专题研讨会。重点突出手术显微镜的最新进展,让您了解AR荧光、三维可视化和术中OCT成像等尖端技术如何赋能复杂手术决策的信心和精准操作。
Multiplexed Cell DIVE imaging of Colon Adenocarcinoma (CAC) tissue. A panel of approximately 30 biomarkers targeted towards various leukocyte lineages, epithelial, stromal, and endothelial cell types was utilized to characterize the tumor immune microenvironment in human colon adenocarcinoma (CAC) tissue.

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。
Clustering based analysis reveals various immune cell populations enriched in tumor cells within CT26.WT syngeneic mouse tumor models.

肿瘤组织中肿瘤和免疫细胞的空间结构

免疫检查点阻断(ICB)疗法在许多癌症中具有临床益处,但一些患者并无反应。最佳的治疗组合可能受到肿瘤内存在的免疫抑制机制的影响。
Particles observed on the surface of a particle trap which could be used for technical cleanliness during battery production.

生产过程中电池颗粒检测

本文介绍了如何利用光学显微镜快速、可靠且经济有效地进行电池颗粒检测与分析。
Particulate contamination in between moving metal plates.

高效清洁度分析的关键因素

在汽车和电子行业,零部件上细小的污染颗粒物也可能影响产品的性能,导致产品出现故障,或使用寿命缩短。对于汽车来说,过滤系统很容易受到影响。对于电子产品来说,印刷电路板(PCB)或连接器上的污染可能会导致短路。因此,清洁度在现代制造业的质量控制中占有核心地位,特别是使用由不同供应商生产的部件时,更要重点关注清洁情况。车辆或设备的关键部件如果受到污染,整个系统就可能发生故障。因此,高效清洁度分析过程必须…
2D slice of colon cancer tissue stained with 30 markers and imaged using the Cell DIVE system. Analysis performed using Aivia 13’s new multiplex cell detection recipe and automatic clustering tool. Each phenotype denoted in a different color.

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。
Single cell datasets

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。

利用数码显微镜快速、可靠地对印刷电路板(PCB)及其总成(PCBA)进行显微观察

本文阐释了徕卡数码显微镜DVM6的性能优势,例如简单直观的操作系统、快速简单的放大倍率切换方式,并且可以通过编码准确调取参数。
THY1-EGFP labeled neurons in mouse brain processed using the PEGASOS 2 tissue clearing method, imaged on a Leica confocal microscope. Neurons were traced using Aivia’s 3D Neuron Analysis – FL recipe. Image credit: Hu Zhao, Chinese Institute for Brain Research.

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。
Microscopy for neuroscience research

神经科学显微镜面临哪些挑战?

显微镜是神经科学研究领域的强大工具。不过,当涉及到对神经过程进行成像以及使用不同的样品类型(例如厚神经组织或脑类器官)时,科研人员可能会面临到很多挑战。这本30页的电子书包含众多真实的案例,以讨论我们最常见到的一些挑战,同时展示了如何使用THUNDER 成像技术克服这些挑战。
Scroll to top