![[Translate to chinese:] AI-based cell counting performed with a phase-contrast and fluorescence image using the Mateo FL microscope.](/fileadmin/_processed_/d/9/csm_AI-based_cell_counting_performed_with_phase-contrast_and_fluorescence_image_99cddfa853.jpg "[Translate to chinese:] AI-based cell counting performed with a phase-contrast and fluorescence image using the Mateo FL microscope.")
利用AI增强的细胞计数实现精准和高效
本文描述了利用AI进行精确和高效的细胞计数。准确的细胞计数对于 2D 细胞培养的研究至关重要，例如细胞动力学、药物发现和疾病建模。精确的细胞计数对于确定细胞存活率、增殖速率和实验条件的影响至关重要。这些因素对于可靠和稳健的结果至关重要。描述了基于人工智能的方法如何显著提高细胞计数的准确性和速度，从而对细胞研究产生重大影响。
![[Translate to chinese:] AI-based transfection analysis (left) of U2OS cells which were transfected with a fluorescently labelled protein. A fluorescence image of the cells (right) is also shown. The analysis and imaging were performed with Mateo FL.](/fileadmin/_processed_/4/c/csm_AI-based_analysis_of_U2OS_cells_transfected_with_fluorescently_labelled_protein_6c19563c6e.jpg "[Translate to chinese:] AI-based transfection analysis (left) of U2OS cells which were transfected with a fluorescently labelled protein. A fluorescence image of the cells (right) is also shown. The analysis and imaging were performed with Mateo FL.")
利用AI实现细胞转染的高效分析
本文探讨了AI（AI）在优化 2D 细胞培养研究中转染效率测量中的关键作用。对于理解细胞机制而言，精确可靠的 2D 细胞培养转染效率测量至关重要。靶向蛋白的高转染效率对于包括活细胞成像和蛋白纯化在内的实验至关重要。手动估计存在不一致性和不可靠性。借助AI的力量，可以实现高效可靠的转染研究。
![[Translate to chinese:] Image of confluent cells taken with phase contrast (left) and analyzed for confluency using AI (right).](/fileadmin/_processed_/3/6/csm_Confluent_cells_with_phase_contrast_and_analyzed_for_confluency_using_AI_94fe9276f5.jpg "[Translate to chinese:] 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。
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…
![[Translate to chinese:] Single cell datasets](/fileadmin/_processed_/8/8/csm_Single_cell_datasets_SPARCS_300efdb37f.jpg "[Translate to chinese:] 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。
![[Translate to chinese:] 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.](/fileadmin/_processed_/f/1/csm_Neurons_in_mouse_brain_with_Aivia_3D_Neuron_Analysis_94d3981e50.jpg "[Translate to chinese:] THY1-EGFP labeled neurons in mouse brain processed using the PEGASOS 2 tissue clearing method. 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。
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。
显微镜如何应用在空间生物学中？一份显微镜指南
本电子书旨在探索显微镜中的关键空间生物学方法，例如多重成像技术，这个方法有助于将独立的细胞信息放入空间环境来分析。
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。
