Aivia
显微镜软件
产品
首页
Leica Microsystems
Aivia AI图像分析软件
未来已徕,AI赋能显微技术。
阅读我们的最新文章
利用新型可扩展的干细胞培养设计未来
具有远见卓识的生物技术初创企业 Uncommon Bio 正在应对世界上最大的健康挑战之一:食品可持续性。在这次网络研讨会上,干细胞科学家塞缪尔-伊斯特(Samuel East)将展示他们如何使细胞农业的干细胞培养基既安全又经济可行。了解他们如何将培养基成本降低 1000 倍,并开发出不含动物成分、食品安全的 iPSC 培养基。
利用大数据探索阿尔茨海默病的空间蛋白组
阿尔茨海默病是一种遗传性和散发性的神经退行性疾病,导致中晚年认知能力下降,特征为β-淀粉样蛋白斑块和 tau蛋白 缠结。由于治疗选择有限,新的研究策略至关重要。Cell DIVE 多重成像解决方案可以对阿尔茨海默病脑组织进行研究,揭示,可能新的研究方向。这里我们展示了 Cell DIVE 多重成像仪的图像查看器,用户能够直接在自己的浏览器中访问完整的阿尔茨海默病多重数据集。
利用大数据查看器揭示结肠癌隐藏的复杂性
结直肠癌是一种的重大健康负担。虽然手术初期有效,但部分患者会发展为预后不良的复发性继发疾病,需要采用免疫疗法等先进治疗手段。利用空间生物学方法,如 Cell DIVE 多重成像技术,可为开发新型治疗方案提供关键洞见。通过 Minerva 图像查看器在浏览器中访问完整的 Cell DIVE 数据集,进一步探索这些发现。
用大数据视角深入了解胰腺癌研究
胰腺癌由于其靠近主要器官难以分辨和难治疗,死亡率接近 40%,。这个研究探讨了胰腺导管腺癌(PDAC)的复杂生物学机制,研究了代谢、凋亡和免疫中肿瘤侵袭性的相关分子结构和空间决定因素。可以访问您的浏览器中的完整 Cell DIVE 数据集,以深入了解这些发现。
利用人工智能驱动的空间蛋白质组学绘制肿瘤免疫图谱
未经治疗肿瘤的空间图谱分析可呈现肿瘤免疫结构的整体特征,有助于理解治疗反应。具有免疫活性的小鼠模型对于识别肿瘤发生发展过程中免疫依赖性事件至关重要。要表征这些具有完整免疫系统及相互作用细胞组分的模型,需要采用多重标记分析技术。我们展示了一种基于人工智能的空间蛋白质组学方法,用于研究小鼠癌组织中的肿瘤-免疫互作机制。
组织中的精密空间蛋白质组学信息
尽管可使用基于成像和质谱的方法进行空间蛋白质组学研究,但是图像与单细胞分辨率蛋白丰度测量值的关联仍然是个巨大的挑战。最近引入的一种方法,深层视觉蛋白质组学(DVP),将细胞表型的人工智能图像分析与自动化的单细胞或单核激光显微切割及超高灵敏度的质谱分析结合在了一起。DVP在保留空间背景的同时,将蛋白丰度与复杂的细胞或亚细胞表型关联在一起。
阿尔茨海默病神经免疫相互作用的空间分析
阿尔茨海默病(AD)是一种复杂的神经退行性疾病,以神经原纤维缠结、β-淀粉样斑块和神经炎症为特征。这些功能障碍由局部免疫反应触发或加剧。因此,在空间背景下理解神经免疫相互作用对于阐明 AD 发病机制至关重要。本研究采用 Cell DIVE 多重成像技术和 Aivia 人工智能辅助空间分析工具,探究 AD 病理标志物周围免疫细胞的特征。
使用空间多重化探测人类阿尔茨海默病皮层切片
阿尔茨海默病(AD)是最常见的神经退行性疾病,其特征是认知功能的逐渐下降。对 AD 大脑的空间分析可能揭示细胞关系,从而促进对疾病病因的更好理解。本研究捕捉了 AD 皮层组织成分的全球概述,并强调了 Cell DIVE 成像的简化工作流程,从数据采集到使用 Aivia 软件的基于人工智能的分析,最终实现更快的洞察。
您的 3D 类器官成像和分析工作流程效率如何?
类器官模型已经改变了生命科学研究,但优化图像分析协议仍然是一个关键挑战。本次网络研讨会探讨了类器官研究的简化工作流程,首先是实时的三维细胞培养检查,接下来是高速、高分辨率的三维成像,生成清晰的图像和更纯净的数据,以便对生长速率、细胞迁移和三维细胞相互作用等参数进行准确地人工智能分割和量化,从而实现更深入的洞察。
激光显微切割技术如何助力神经科学研究取得开创性进展?
玛尔塔·帕特林尼博士,卡罗林斯卡学院的高级科学家,分享了她在成人人类神经发生开创性研究中使用激光显微切割(LMD)的经验,并提供了关于LMD在空间蛋白质组学和精准医学中未来应用潜力的个人见解。
利用AI驱动的多重图像分析探索结肠腺癌
在这项研究中,我们展示了一种利用Cell DIVE和AIVIA软件的空间生物学工作流程,以绘制结肠腺癌中的肿瘤免疫景观图。
肿瘤空间微环境的元癌症分析
研究 TME中肿瘤、基质和免疫细胞之间的相互作用需要采用超多重免疫荧光成像方法。在这里,我们分析了一组Cell Signaling Technology(CST®)抗体,这些抗体针对肺癌、结肠癌和胰腺癌等癌症的标志物。通过Cell DIVE成像和Aivia中的聚类分析,我们确定了TME中的空间相互作用,包括组织特异性和共有的相互作用。
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。
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。
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。
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。
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。
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。
复杂3D数据集——人工智能赋能的空间数据分析
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。
人工智能显微图像分析-介绍
人工智能引领的显微图像分析和可视化是用于数据驱动型科学发现的一项强大工具。人工智能技术可以帮助研究人员应对具有挑战性的成像应用,让他们能够从图像中获取更多的信息。
多色四维超分辨光片显微镜
人工智能显微术研讨会主要关注和讨论显微术和生物医学成像领域的最新人工智能技术和工具。在该科学演示中,Yuxuan Zhao展示了如何通过渐进式深度学习策略并结合“双环调制的SPIM”设计改善活细胞中的细胞器三维成像。
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。
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。
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…
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。
简化癌症生物学图像分析工作流
随着癌症生物学数据集的不断增长,显微图像分割和定量也越来越具挑战性,研究人员被迫在分析工作中耗费大量的时间。
高清检测发育过程中的关键事件
胚胎发育活细胞扩展成像,需要精准平衡曝光量、时间分辨率和空间分辨率,以保持细胞活性。为达到最优的分析结果,从成像数据中获取更多有价值的信息,需要在三个因素之间折中考虑。在本次研讨会中,Aivia团队将展示人工智能如何帮助您进行胚胎发育中的活细胞扩展成像。
在不同尺度下观察复杂的细胞相互作用
细胞间的相互作用很难观察,其中涉及的目标检测和关系衡量尤为棘手。没有简单易用的目标检测及其关系测量方法,很难观察到细胞间的相互作用。
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
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。
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。
应用于显微术中的人工智能技术网络研讨会
我们展示了使用残差通道注意力网络(RCAN)还原和增强三维延时(4D)荧光显微数据。
应用领域
细胞生物学
如果您的研究重点是探究人类健康和疾病相关的细胞学基础,那么从时空和分子层面详细研究感兴趣的细胞至关重要。 因此,显微成像是细胞生物学中一个非常重要的工具,它让您能够在样本的结构环境中详细研究样本,也可以分析细胞器和大分子。 细胞生物学成像是运用一系列的光学显微镜和电子显微镜完成的。 徕卡显微系统公司推出的成像解决方案专为扩展您的细胞生物学研究而设计。