News

cellSens Bildanalysesoftware von Olympus zur Optimierung der Effizienz bei der wissenschaftlichen Arbeit mit genauer Objekterkennung und -segmentierung

Die cellSens Bildgebungssoftware von Olympus für die Mikroskopie nutzt die Deep Learning Technologie und bietet eine deutlich verbesserte Segmentierungsanalyse, wie z. B. Zellkern-Erkennung und Zellzählung ohne Färbung, was genauere Daten und effizientere Untersuchungen ermöglicht.

Bildanalysen sind ein wichtiger Bestandteil vieler Life Science Anwendungen. Dabei müssen Zielstrukturen wie Zellen und Organellen häufig durch Segmentierung aus dem restlichen Bild extrahiert werden. Mit herkömmlichen Schwellenwertverfahren, die auf Helligkeit und Farbgebung basieren, können jedoch wichtige Eigenschaften übersehen oder Bereiche der Probe überhaupt nicht erkannt werden. Mithilfe der Deep Learning Technologie der cellSens Software kann der Nutzer das System schnell trainieren, um diese Informationen schnell und automatisch zu erfassen. Dadurch werden Geschwindigkeit und Genauigkeit bei der Erkennung von ungefärbten Proben, der quantitativen Analyse von fluoreszenzgefärbten Zellen und der Segmentierung anhand morphologischer Merkmale optimiert.

Mehr Effizienz bei der Zellkern-Erkennung ohne Färbung

Fluoreszenzfärbung und UV-Anregung zur konventionellen Erkennung von Zellkernen sind zeitaufwändig und können die Zellen beschädigen. Die cellSens Software ermöglicht hingegen die Identifizierung und Segmentierung von Zellkernen mittels einfacher Durchlichtaufnahmen, sodass keine Fluoreszenzfärbung mehr erforderlich ist.

Weniger Phototoxozität während der Fluoreszenzbildgebung führt zu einer genauen Datenerfassung

Mit der Deep Learning Technologie der cellSens Software können genaue Analysedaten von Bildern mit geringem Signal-Rausch-Verhältnis erhalten werden. Die Technologie zeichnet sich durch hervorragende Genauigkeit aus, wobei die Stärke des Anregungslichts, dem die Zellen ausgesetzt sind, erheblich reduziert ist. Dadurch wird eine Segmentierung mit hoher Auflösung möglich, und die Zellen bleiben unbeschädigt.

Zeitersparnis mit automatisierter Zellzählung und -messung

Die Deep Learning Technologie sorgt für eine zeitsparende automatisierte Identifizierung und Zählung mitotischer Zellen. Diese Technologie erleichtert auch insbesondere Segmentierungsaufnahmen von Gewebeproben (wie Nierenglomeruli), die mit konventionellen Methoden schwierig sind.

Mehr dazu

Zurück zu News