生命科学研究

在生命科学研究中心，您可以掌握最新的关于先进显微镜、成像技术、电镜样品制备和图像分析的前沿应用和创新，涵盖的主题包括细胞生物学、神经科学和癌症研究。希望在这里可以帮助您提升研究能力和精进显微镜在各个科学领域实际应用，并了解徕卡如何通过精确的可视化、图像解读和推进研究进展来赋能您的工作。

[Translate to chinese:] 3D-volume-rendered light-sheet microscope image of a spheroid showing depth coding in different colors.

利用DLS对细胞球中的抗癌药物摄取进行成像

细胞球3D细胞培养模型模拟了活组织的生理和功能，使其成为研究肿瘤形态和筛选抗癌药物的有用工具。药物AZD2014是一种公认的哺乳动物雷帕霉素靶蛋白（mTOR）通路抑制剂[1]。mTOR的异常激活会促进肿瘤生长和转移，导致AZD2014进入临床试验作为抗癌分子。其具体的抗肿瘤机制尚不清楚。

Single timepoint of a time-lapse recording of mammary epithelial micro spheroid cultured in 3D highlighting individual mitotic events

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。

癌症活体显微镜检查

请加入我们的特邀演讲嘉宾 Jacco van Rheenen 教授的网络研讨会，他将展示他在驱动癌症起始和进展的细胞的身份、行为和命运方面的研究成果。

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。

[Translate to chinese:] 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。

[Translate to chinese:] 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。

利用多重中频成像设计您的研究课题

多重组织分析是一种功能强大的技术，可对单个固定组织样本中的细胞类型位置和细胞类型相互作用进行比较。在多重分析研究开始之前，研究人员通常会提出以下问题： "我如何知道组织中哪些生物标记物是相关的？另外，随着研究问题的发展，我如何转向其他生物标记物？巧妙的研究设计有助于回答现有的问题，并能继续探索研究开始时并不明显的新联系。