显微镜知识库

徕卡显微系统的知识库提供有关显微镜学科的科学研究和教学材料。内容旨在对显微镜初学者、有经验的显微镜操作实践者和使用显微镜的科学家在他们的日常工作和实验有所帮助。这里有探索交互式教程和应用笔记，你可以找到你需要的显微镜的基础知识以及前沿技术——快来加入徕卡显微知识社区，分享您的专业知识！

Aivia_Neuroscience-VBE comparison mouse-1_traced_ROI

自动化加速神经元图像分析

复杂神经投射的检测能力主要取决于大规模神经元网络的精确重建。神经科学研究中的大多数数据析取方法都非常耗时和易错，进而导致进度延误和错误。在本次研讨会中，Aivia将演示如何利用自动化技术提升图像分析工作流的效率

Separation of cells based on their tracking status: A colourised binary mask of a time-lapse microscopy field of view of medium confluency with individual cells highlighted as survivors if they can be tracked since the initial movie frame (cyan), incomers if they migrated into the field of view throughout the movie (yellow) or mistracks if an error occurred in the automated trajectory reconstruction (red).

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。

Analysis of anatomy and axon orientation of an adult mouse brain tissue with QLIPP.

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。

AiviaMotion: Truly simultaneous multicolor imaging of live cells (U2OS) in 3D

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。

Dynamic Signal Enhancement powered by Aivia: Truly simultaneous multicolor imaging of live cells (U2OS) in 3D

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。

基于荧光寿命的成像图库

共聚焦显微镜技术依赖于荧光探针的有效激发以及由荧光过程所发射的光子的高效收集。荧光特性之一是其发射波长（即荧光团的光谱特征）。另一个更为强大但尚未充分探索的特性是荧光寿命（荧光团在激发态的持续时间）。基于荧光寿命的信息增加了共聚焦实验的一个额外维度，能够揭示荧光团微环境的信息，并允许对光谱特性相重叠的物种进行多重分析。