DAPI荧光标记让您感到烦恼么？荧光标记是进行生物学特征观察和分析的重要手段，但染色标记不可避免地会对细胞造成损伤。

在以下两个视频中，我们将向您展示如何利用cellSens软件的TruAI深度学习技术免去实验的DAPI标记步骤，该方法不但可以降低光毒性，并且在不牺牲DAPI通道信息的同时减少了样品的预处理步骤。

准备训练数据

在使用TruAI深度学习技术之前，您首先需要提供参考标准数据（Ground Truth Data）对软件的神经网络进行训练。除了识别结果所需的数据以外，参考标准数据还需包含用于提供预期结果的数据集。对于细胞核的无标记识别而言，参考标准数据就是一系列已经完成细胞核识别的图像。

在本视频中，我们将向您展示如何利用相衬、明场和DAPI荧光图像数据集训练TruAI神经网络实现细胞核识别的。

利用训练数据实现细胞核识别

神经网络在经过训练之后，就可以对仅具有相衬和明场图像的数据集进行细胞核的无标记识别。这一阶段不需要参考标准即可实现对感兴趣对象的识别，被称为决策阶段。

任何一种无标记方法都无法完全取代荧光标记法，但在实验中免去DAPI标记，您就可以：

• 降低样品制备的复杂性
• 减少光毒性
• 为其他标记物保留荧光通道
• 提高成像速度
• 降低转染及化学标记物对细胞活性的影响

相关内容

利用基于深度学习的TruAI技术实现准确、高效的显微图像分析

通过TruAI深度学习技术实现超低曝光荧光细胞的定量分析

利用TruAI深度学习技术实现微孔板上细胞核的稳健、无标记检测和分割