HSA Cell-Tracking & Analyse in real-time
HSA Deep Learning
Verfolgen von Veränderungen der zellulären Morphologie und des Verhaltens in Abstimmung mit
den umgebenden Zellen. Zellen mit zunehmender Fläche sind blau, mit abnehmender Fläche rot markiert.
Länge der einzelnen Zellgrenzen, Umfang, Fläche und Perzentilveränderung im Vergleich zum vorherigen
Bild (Δ Fläche, Δ Umfang) werden in Echtzeit verfolgt.
HSA Deep Learning:
HSA Deep Learning:
- + Zellenrand-Lücken im Originalbild werden intelligent geschlossen
- + Automatische Verfolgung der Länge der individuellen Zellgrenzen, der Änderungen der Zellmorphologie und des Verhaltens in Abstimmung mit den umgebenden Zellen
- + Visuelle Darstellung ausgewählter Morphologieänderungen (Fläche, Zirkularität, Verhalten der Nachbarzellen usw.)
- + Einfacher Export aller statistischen Daten in eine Excel-Datei
Standard Cell-Tracking
Standard U-Net Deep Learning
Einfache intensitätsabhängige Annotation der Zellgrenzen gegenüber dem Originalbild
Standard U-Net Deep Learning:
Standard U-Net Deep Learning:
- – Lücken im Originalbild werden nicht geschlossen, wodurch die anschließende statistische Analyse beeinträchtigt wird
- – Verfolgung zellulärer Parameter schwierig oder nur durch zusätzliche Programme möglich
- – Keine visuelle Darstellung ausgewählter Veränderungen der Zellmorphologie
Zählung und Segmentierung von
Zellen in Kammerobjektträgern
Nachweis und Segmentierung von Kernen und Zytoplasma in kultivierten Zellen in Kammerobjektträgern.
Segmentierung von Tumor
und Stromazellen
Segmentierung von Kernen und Zytoplasma in Tumorzellen und zytoplasmatischen Regionen in Stromazellen.
Wenn die Kernfärbung nicht vorhanden oder unspezifisch ist, können Kerne durch Kern-„Löcher“ in der
Zytoplasmafärbung nachgewiesen werden.
Analyse der Niere
Segmentierung von Glomeruli und Tubuli unter Verwendung eines Deep-Learning-Modells für Brightfield Daten.Analyse der Niere
Segmentierung der Glomeruli und ihrer Kompartimente unter Verwendung eines Tensorflow-Modells für Brightfield Daten.Zählen von Zellen
Segmentierung und Zählung von Zellen.Endoplasmic Reticulum
Das endoplasmatische Retikulum (ER) ist eine dynamische Struktur, die aus verzweigten Bereichen und röhrenförmigen Abschnitten besteht. Die automatische Segmentierung eröffnet neue Möglichkeiten für quantitative Analysen und eine effiziente Darstellung dieser Membranstruktur auf der ultrastrukturellen Ebene.Scratch Assay
Analyse von Proben mit Kratzern und der Veränderung der Zellfläche über die Zeit.Internalisierung
Analyse der Insulinrezeptoren innerhalb und außerhalb des Zytoplasmas und die Veränderung im Laufe der Zeit.Analyse von Blutgefäßen
Blutgefäße können mit Immunhistochemie markiert werden. Dies ermöglicht die Zählung von Blutgefäßen und die Analyse ihrer Verteilung.Echtzeit-Erkennung auf Mikroskopiegeräten
Sie schauen durch das Mikroskop und sehen in Echtzeit Markierungen der für Sie relevanten Objekte. Anschließend erfolgt eine automatische Quantifizierung der erkannten Objekte.Proliferation
Segmentierung von Zellen im Laufe der Zeit zur Messung der Zellproliferation. Die Analyse wird auf Label Free Data durchgeführt.Kolorektales Karzinom
Segmentierung von Brightfield Daten mit kolorektalem Karzinom mit Hilfe eines Deep Learning Modells.Analyse der Lunge
Automatisierte Einstufung von Tumoren bei nichtkleinzelligen Bronchialkarzinom (NSCLC) und Quantifizierung von Tumoren/Stromas.Intrazelluläre Kompartimentierung in EM
Die ultrastrukturelle Analyse von intrazellulären Kompartimenten mit Hilfe der Elektronenmikroskopie liefert neue Einblicke in zelluläre Feinstrukturen und Interaktionen subzellulärer Organellen.Software zur Eingrenzung von Interessengebieten (ROI)
Manuelles Zeichnen von Interessengebieten (ROI) oder automatische ROI-Definition nach dem Erlernen der Software. Die Analyse findet dann nur in den markierten Regionen (ROI) statt und verschiedenen ROI-Typen in einem Bild können unterschiedliche Analysemethoden zugeordnet werden.
Screening mit Krebsmarkern
Gewebesanalyse mit krebspezifischen Markern wie Ki67, p21, p53, Stathmin, bTubulin usw.
TMA Screening & Analyse
Analyse von Gewebemikroarrays (TMA) mit beliebiger Anzahl von Kernen. Halbautomatische Namenszuweisung der Kerne und Verknüpfung mit ihren Analyseergebnissen. Automatischer Export der Analyseergebnisse in Excel-Tabellen.