工业

工业

工业

深入探讨有关工业和病理学领域的高效检测、优化工作流程和提高人体工学舒适度的文章和网络研讨会。涉及的主题包括质量控制、材料分析、病理学显微镜等。在这里您可以获得有关使用前沿技术提高生产力和优化质量以及准确地进行病理学诊断的干货。
Image of confluent cells taken with phase contrast (left) and analyzed for confluency using AI (right).

通过 AI 汇合度提高 2D 细胞培养的精度

本文解释了如何利用人工智能（AI）进行高效、精确的 2D 细胞培养汇合度评估。准确评估细胞培养的汇合度，即表面积覆盖的百分比，对于可靠的细胞研究至关重要。传统方法使用视觉检查或简单算法，使结果不客观和精确，尤其是对于用于药物发现、组织工程和再生医学的复杂细胞系。利用自动化图像分析和深度学习算法的方法提供更好的精度，并可以增强实验结果。

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。
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。
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.

Transforming Multiplexed 2D Data into Spatial Insights Guided by AI

Aivia 13 handles large 2D images and enables researchers to obtain deep insights into microenvironment surrounding their phenotypes with millions of detected objects and automatic clustering up to 30…
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。
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。
Beckman Coulter LinkBeckman Coulter LogoGenedata LinkIDBS LogoIDBS LinkIDBS LogoAbcam Limited LinkAbcam Limited LogoMolecular Devices LinkMolecular Devices LogoPhenomenex LinkPhenomenex LogoSciex LinkSciex LogoAldevron LinkAldevron LogoIDT LinkIDT Logo
Scroll to top