ZEISS ZEN Intellesis für die Bildsegmentierung in der Mikroskopie

Nutzen Sie das Potenzial von Deep Learning für die einfache Segmentierung Ihrer Bilder

So beeindruckend mikroskopische Bilder auch sind - ihr wirklicher Wert liegt in den Daten, die sie liefern. Die Bildsegmentierung ist derzeit eine der größten Herausforderungen in der Mikroskopie und die Grundlage für alle nachfolgenden Bildanalyseschritte. ZEN Intellesis verwendet maschinelle Lerntechniken, die auf Python basieren, wie Pixelklassifizierung und Deep Learning, um selbst für Nicht-Experten auf einfache Weise robuste und reproduzierbare Segmentierungsergebnisse zu erzielen. Sie trainiweren die Software einmal und dann kann ZEN Intellesis einen Stapel von Hunderten von Bildern automatisch segmentieren. Das spart Zeit und minimiert die Beeinflussung durch den Benutzer.
Für weitere Informationen und technische Details verwenden Sie bitte Open Application Development - Maschinelles Lernen *1

Highlights

Nutzen Sie Deep Learning für die Segmentierung Ihrer Bilder

Um zuverlässige Daten aus Bildern zu erhalten, müssen Sie häufig verschiedene Objektklassen in mehrere Bilder segmentieren. Mit ZEN Intellesis können Sie jetzt Ihr Fachwissen nutzen, um die Software an einigen Bildern zu trainieren. Alle zeitaufwändigen Segmentierungsschritte für Hunderte ähnlicher Bilder werden dann von den leistungsstarken Algorithmen für maschinelles Lernen (einschließlich Deep Learning) des Softwaremoduls ZEN Intellesis ausgeführt. Die Python-basierten Tools bieten eine Pixelklassifizierung mit echter Extraktion und Segmentierung von Mehrkanalmerkmalen durch vorab trainierte Netzwerke *2, selbst komplexe mehrdimensionale, multimodale Daten können unabhängig von ihrer Herkunft analysiert werden. Die Software ermöglicht sogar den Import und die Verwendung eigener Deep-Learning-Modelle *3

Genießen Sie eine reibungslose Integration in Ihre Arbeitsabläufe

Das Softwaremodul ZEN Intellesis erleichtert das maschinelle Lernen: Sie laden einfach Ihr Bild, definieren Ihre Klassen, beschriften Pixel, trainieren Ihr Modell und führen die Bildsegmentierung durch. Für allgemeine Aufgaben wie die Kernsegmentierung kann sogar ein vorab trainiertes Modell importiert werden, mit dem vollständige Datensätze segmentiert und analysiert werden können. Darüber hinaus ist es sogar möglich, Ihr eigenes Netzwerk zu trainieren und in ZEN zu importieren. (Die Erstellung von benutzerdefinierten vorab geschulten Netzwerken ist auch als kostenpflichtiger Dienst verfügbar.) Intellesis ist vollständig in das Image Analysis Framework in ZEN Blue und die ZEN Core Imaging Software integriert und unterstützt Skripte. Diese Integration stellt sicher, dass alle wertvollen Metadaten in Verbindung bleiben und für weitere Verarbeitungsschritte zur Verfügung stehen.

Analysieren Sie multimodale Bilder aus unterschiedlichen Quellen und Formaten

Mit dem Softwaremodul
ZEN Intellesis können Sie multidimensionale Bilder aus den
verschiedensten Quellen ganz einfach segmentieren, zum Beispiel:

  • Weitfeldmikroskopie
  • Hochauflösende Mikroskopie
  • Fluoreszenzmikroskopie
  • Markierungsfreie Mikroskopie
  • Konfokale Mikroskopie
  • Lichtblattmikroskopie
  • Elektronenmikroskopie
  • Röntgenmikroskopie

Zusammen mit ZEN Connect kann man Bilder von verschiedenen Mikroskopen aus derselben Probe kombinieren und diese Ergebnisse verwenden, um mithilfe von ZEN Intellesis noch wertvollere Informationen zu extrahieren. Die Software verwendet Bildmerkmale aus allen Modalitäten gleichzeitig, um die interessierenden Strukturen zu segmentieren. Durch den direkten Import von OME-TIFF- oder TXM-Bildern oder bei Verwendung der Importfunktion eines Drittanbieters kann ZEN Intellesis auch zum Segmentieren aller mit Bio-Formaten kompatiblen Bilder verwendet werden.

Anwendungen in der Biologie

1. Scratch Assay

Einzelbild einer Zeitrafferaufnahme. Segmentierungsergebnis von ZEN Intellesis
Einzelbild einer Zeitrafferaufnahme.
Segmentierungsergebnis von ZEN Intellesis - Kratzfläche (Türkis), Zellschicht (Orange) und Mitosezellen (Rot).
Messung der Größe des Kratzerbereichs mit dem ZEN-Bildanalyse Modul über die Zeit
Basierend auf den Segmentierungsergebnissen von ZEN-Intellesis wurde die Größe des Kratzerbereichs mit dem ZEN-Bildanalyse Modul über die Zeit gemessen.

2. Dendriten und Dornenfortsätze

Spines auf einem Denriten
Dendrit eines Neurons, das grün fluoreszierendes Protein exprimiert. Mit strukturierter Beleuchtung auf Elyra aufgenommenes Bild, das Dornenfortsätze auf einem Dendriten zeigt.
Die Segmentierung mit ZEN Intellesis führt zu einer klaren Trennung
Die Segmentierung mit ZEN Intellesis führt zu einer klaren Trennung der Dornenfortsätze (grün) vom Dendriten (rot) und Hintergrund (blau).

3. Drosophila

Röntgenaufnahme - Drosophila melanogaster
Röntgenaufnahme - Drosophila melanogaster - 1400-facher Z-Stapel der gesamten Fruchtfliege, generiert mit ZEISS 520 Versa.
Röntgenaufnahme eines Drosophila melanogaster.
Segmentierungsergebnis mittels ZEN Intellesis - Exoskelett (rot), innere Strukturen (blau und gelb), Hintergrund (grün)
Gerendertes 3D-Modell basierend auf dem Exoskelett
Gerendertes 3D-Modell basierend auf dem Exoskelett

Anwendungsbeispiele in der Materialanalyse

XRM-Sandstein - Original
XRM-Sandstein - Original
XRM-Sandstein - markiert
XRM-Sandstein - markiert
XRM Sandstein – ausgebildet und segmentiert
XRM Sandstein – ausgebildet und segmentiert
XRM-Sandstein - IP-Funktionsausgabe
XRM-Sandstein - IP-Funktionsausgabe

So segmentieren Sie Ihre Bilder

 
 

Free Trial Download

ZEISS ZEN Intellesis Machine Learning Software

Download form cannot be displayed on this device.

Download

ZEISS ZEN Intellesis for Life Science

Image Segmentation for 2D and 3D Datasets

Seiten: 2
Dateigröße: 1149 kB

ZEISS ZEN Intellesis for Materials Science

Your Imaging Software for Machine Learning

Seiten: 2
Dateigröße: 2262 kB

Erweiterte Segmentierung für Industriewerkstoffe mit Machine Learning

ZEISS ZEN Intellesis ist ein Modul für die ZEISS ZEN Mikroskopsteuerungssoftware.

Seiten: 11
Dateigröße: 1468 kB

ZEISS ZEN Intellesis

Machine Learning Approaches for Easy and Precise Image Segmentation

Seiten: 8
Dateigröße: 5151 kB

1 - 4 Ergebnisse von 4