A análise de imagem é uma parte crítica de muitas aplicações de ciências da vida. Análises que se baseiam na segmentação para extrair alvos, como células e organelos, do resto da imagem são comuns. No entanto, os métodos convencionais de limiar que dependem do brilho e da cor podem perder informações críticas ou talvez não consigam detetar os alvos. A tecnologia Deep-Learning do software cellSens permite que os utilizadores treinem rapidamente o sistema para capturar automaticamente essas informações, melhorando a velocidade e a precisão da deteção de objetos sem marcação, análise quantitativa de células marcadas com fluorescência e segmentação com base em recursos morfológicos.
A coloração fluorescente e a excitação por ultravioleta necessárias para a deteção convencional do núcleo são demoradas e podem danificar as células. No entanto, o software cellSens pode identificar e segmentar núcleos a partir de imagens de transmissão simples, para que a marcação fluorescente não seja necessária.
Com a tecnologia Deep-Learning do software cellSens, os utilizadores podem obter dados de análise precisos a partir de imagens com baixa relação sinal-ruído. A tecnologia produz uma precisão extraordinária enquanto reduz significativamente a quantidade de luz de excitação à qual as células estão expostas. Isso permite a segmentação de alta resolução, ajudando a manter as células saudáveis.
A tecnologia Deep-Learning economiza tempo, identificando e contando células mitóticas automaticamente. Essa tecnologia também é útil para segmentar imagens de amostras de tecido, como glomérulos renais, o que é muito difícil ao usar os métodos convencionais.
Para obter mais informações sobre o software cellSens e sua tecnologia Deep-Learning ou qualquer outra solução de ciências da vida, visite o site olympus-lifescience.com.
Not Available in Your Country
Sorry, this page is not
available in your country.
You are being redirected to our local site.