Loading...
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。
Loading...
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。
Loading...
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。
Loading...
钢材质量评估过程中人工评级非金属夹杂物(NMI)的挑战
快速、精确和可靠的非金属夹杂物(NMI)评级对钢材质量评估具有重要作用。在钢铁生产和组件制造过程中,非金属夹杂物(NMI)人工评级是一种常用的方法.
Loading...
分析钢铁中的非金属夹杂物
我们常常发现自己陷入了通过标线和比较图进行繁琐的分析,根据多个标准进行耗时的双重评估或来自不同用户的带有偏见的主观检查结果。
在本次网络研讨会中,Nicol Ecke 博士将讨论使用