Zellen und Zellkerne unterscheiden
Softwarebasierte Bildsegmentierung
Die „scanR“-High-Content-Screening-Station (HCS) von Olympus macht eine vollautomatische Bildaufnahme und Datenanalyse möglich. Version 3.3 ist eine Weiterentwicklung hinsichtlich verbesserter Fähigkeiten der Deep-Learning-Technologie, Objekte in biologischen Proben mithilfe einer sofortigen Segmentierung zu trennen und verschiedene Objekte von Interesse in einem Bild zu erkennen und abzugrenzen.
Mithilfe einer selbstlernenden Mikroskopiemethode analysiert die KI des „scanR“-Systems automatisch Daten in einem probenbasierten Arbeitsablauf. Die Deep-Learning-Technologie kann Zellen, Zellkerne und subzelluläre Objekte erkennen und Merkmale aus einer Liste von mehr als 100 Objektparametern extrahieren. Mit den deutlich verbesserten Möglichkeiten der Deep-Learning-Technologie zur Objektsegmentierung können schwer zu unterscheidende Objekte wie Zellen oder Zellkerne, die sich sehr nah beieinander befinden, wie es z. B. in Zellkolonien oder Gewebe der Fall ist, genauer segmentiert werden.
Neben Werkzeugen zur Entwicklung neuronaler Netzmodelle für spezifische Anwendungen enthält die „scanR“-Version 3.3 vortrainierte neuronale Netzmodelle für Zellkerne und Zellen. Diese können für zahlreiche Standardanwendungen verwendet werden, wie etwa zur Unterscheidung zwischen konfluenten Zellen und dichten Zellkernen, wodurch der Zeitaufwand zum Training des neuronalen Netzes entfällt. Die Software-Version 3.3 enthält auch einen Kalibrierassistenten für Well-Platten, mit dem eine neue Well-Platte einfach und schnell für das System kalibriert werden kann. Zudem ermöglicht eine neue Lizenzstufe den Anwendern, „scanR“-Analysedateien zu öffnen, zu überprüfen und neu zu erstellen, um die gemeinsame Nutzung von Ergebnissen zu erleichtern.
Quelle: Olympus Europa












