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！

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。

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。

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。

AI-based workflow for fast rare event detection in living biological samples using Autonomous Microscopy powered by Aivia

人工智能显微成像能够高效检测稀有事件

对稀有事件进行定位和选择性成像是许多生物样本研究过程的关键。然而，由于时间限制和高度的复杂性，有些实验无法做到，从而限制了获得新发现的前景。通过基于人工智能的显微成像检测稀有事件，这种工作流程将智能样本导航、图像采集工具和人工智能驱动的图像分析等不同功能融合起来共同协作，能够克服上述局限性。

Protist Paramecium (Paramecium tetraurelia) stained to show the nucleus

使用Mica的人工智能显微镜软件进行 3D 空间分析

本期MicaCam为您提供切实的建议，教您从显微镜图像中提取可发表级别的分析结果。本期的特邀嘉宾来自徕卡显微系统的Luciano Lucas，他将为大家展示如何使用MICA的AI赋能软件进行图像分析。他将深度分析两张MICA的3D成像，探究不同可见生物元素之间的空间关系。本期的最后将会介绍如何创作高保真视频动画以及其他可用于发表文章的结果。

Left-hand image: The distribution of immune cells (white) and blood vessels (pink) in white adipose tissue (image captured using the THUNDER Imager 3D Cell Culture). Right-hand image: The same image after automated analysis using Aivia, with each immune cell color-coded based on its distance to the nearest blood vessel. Image courtesy of Dr. Selina Keppler, Munich, Germany.

精确分析宽视野荧光图像

利用荧光显微镜的特异性，即便是使用厚样品和大尺寸样品，研究人员也能够快速轻松地准确观察和分析生物学过程和结构。然而，离焦荧光会提高背景荧光，降低对比度，影响图像的精确分割。THUNDER 与Aivia 的组合可以有效解决这一问题。前者可以消除图像模糊，后者会使用人工智能技术自动分析宽视野图像，提高操作速度和精确性。下面，我们来详细了解下这一协作方法。

人工智能驱动的像素分类器

通过人工操作获得可重复的结果需要具备专业知识，而且工作冗长乏味。但是，现在有一种方法可以克服这些挑战，通过加快这种分析来提取图像的真正价值并获得深入的认识。人工智能驱动的像素分类器可快速提供可重复的分割结果，克服了人工操作问题。与基于功能的传统自动化相比，它可以提供更可靠的结果。

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。