—— PROUCTS LIST
人工智能顯微成像能夠高效檢測稀有事件
基于人工智能的工作流程通過Aivia驅(qū)動的自主顯微鏡快速檢測活生物樣本中的稀有事件
對稀有事件進(jìn)行定位和選擇性成像是許多生物樣本研究過程的關(guān)鍵。然而,由于時間限制和高度的復(fù)雜性,有些實(shí)驗(yàn)無法做到,從而限制了獲得新發(fā)現(xiàn)的前景。
基于人工智能顯微成像的
稀有事件檢測工作流程
通過基于人工智能的顯微成像檢測稀有事件,這種工作流程將智能樣本導(dǎo)航、圖像采集工具和人工智能驅(qū)動的圖像分析等不同功能融合起來共同協(xié)作,能夠克服上述局限性。
STELLARIS上Aivia驅(qū)動的自主顯微鏡為日常實(shí)驗(yàn)室工作提供了非常高效的運(yùn)行方式,包括執(zhí)行那些沒有自動程序或大量人工操作就無法完成的高級實(shí)驗(yàn)。
為什么使用人工智能顯微成像?
在生命科學(xué)領(lǐng)域使用成像技術(shù)的根本原因是能夠生成數(shù)據(jù)來回答生物學(xué)問題。通常會將圖像采集與高級圖像分析結(jié)合起來實(shí)現(xiàn)這個目標(biāo)。
常規(guī)成像方法需要操作人員不斷進(jìn)行人機(jī)交互,使用顯微鏡系統(tǒng)在樣本上搜索合適的對象或感興趣區(qū)域(ROI),進(jìn)行適當(dāng)?shù)淖罴褕D像采集設(shè)置,然后決定掃描這些ROI。這種人工決策的實(shí)驗(yàn)工作流程的性質(zhì)決定了只有容易控制的少數(shù)ROI能被精確定位,而且采集ROI圖像需要大量時間。使用由Aivia驅(qū)動的自主顯微鏡,則能夠在實(shí)驗(yàn)一開始完成設(shè)置后就自動進(jìn)行稀有事件檢測工作流程。
實(shí)驗(yàn)開始后,就會立即進(jìn)行低分辨率預(yù)掃描、檢測稀有事件以及采集和存儲高分辨率3D圖像,無需任何人工干預(yù)。這種方法的顯著優(yōu)勢在于整個過程高速進(jìn)行,并能在實(shí)驗(yàn)過程中檢測到大量稀有事件。
如何使用Aivia驅(qū)動的自主顯微鏡
檢測稀有事件
自主顯微鏡可自動檢測這類ROI或稀有事件(RE),無需人工干預(yù),因此能使復(fù)雜的顯微鏡工作流程自動化。
在這個自主工作流程中,第一步先生成低分辨率二維(2D)概覽圖像,并立即將其傳輸?shù)剿B接的基于人工智能的圖像處理(Aivia)系統(tǒng)。該系統(tǒng)通過像素分類器檢測由操作人員預(yù)先定義好的稀有事件,并將稀有事件坐標(biāo)發(fā)回成像系統(tǒng),系統(tǒng)再根據(jù)操作人員的要求(例如高分辨率和三維(3D)數(shù)據(jù)堆棧)掃描這些稀有事件。通過這種方式生成的數(shù)據(jù):
與感興趣對象密切相關(guān)
因?yàn)椴捎昧俗詣踊臄z,所得數(shù)據(jù)具有統(tǒng)計(jì)相關(guān)性
圖1:稀有事件檢測工作流程
使用人工智能驅(qū)動的顯微成像發(fā)現(xiàn)稀有事件,提高數(shù)據(jù)質(zhì)量
對稀有事件進(jìn)行高度特異性掃描可大幅提高所采集數(shù)據(jù)的整體質(zhì)量,因?yàn)楂@得的都是真正感興趣的數(shù)據(jù)。這種方法可確保有針對性地掃描,至多獲得到90%的稀有事件。同時,不再因?qū)ο∮惺录M(jìn)行耗時且高成本的人工搜索而造成很長的“閑置時間",因此顯微鏡系統(tǒng)可實(shí)現(xiàn)高效運(yùn)行。
圖2:通過約5個多小時自動圖像采集獲取的50微米厚的人腦切片(阿爾茨海默病供體)圖像,所標(biāo)記的感興趣對象顯示了3D高分辨率圖像堆棧,檢測到516個稀有事件。
樣本由德國慕尼黑路德維希-馬克西米利安大學(xué)病理學(xué)和大腦研究中心 Jochen Herms 教授提供。
更快地得到結(jié)果,節(jié)省圖像采集時間和磁盤空間 - “擺脫無效數(shù)據(jù)!"
除了對稀有事件進(jìn)行高度特異性掃描外,自主顯微成像還能采集與稀有事件目標(biāo)無關(guān)的數(shù)據(jù)??赏ㄟ^以目標(biāo)為導(dǎo)向的方式掃描感興趣的對象,這一方面可以在很大程度上防止生成無效數(shù)據(jù),另一方面能以高度定性的方式提供所采集的數(shù)據(jù),便于后續(xù)圖像分析。所采集的對象始終位于掃描區(qū)域的視野(FOV)中心,因此可以實(shí)現(xiàn)上述優(yōu)點(diǎn)。
圖3:通過約3個多小時自動圖像采集獲得的細(xì)胞有絲分裂圖像。只采集感興趣的對象。感興趣對象顯示了116個檢測到的分裂中期的3D高分辨率圖像堆棧。
提高可重復(fù)性,有助于先進(jìn)的實(shí)驗(yàn)
可重復(fù)性是進(jìn)行可信的生命科學(xué)研究的關(guān)鍵要素之一。自主執(zhí)行的實(shí)驗(yàn)順序可隨時得到恢復(fù),裝配適當(dāng)?shù)能浖姹荆⒁韵嗤脑O(shè)置重新運(yùn)行。這個過程能確??芍貜?fù)性,而手動設(shè)置實(shí)驗(yàn)中的成像程序無法做到這一點(diǎn)。此外還可建立高度復(fù)雜的顯微成像工作流程并使其自動化,使高級應(yīng)用更易于使用,而這類應(yīng)用以前根本無法做到,或者必須依靠大量人工操作。
LAS X Navigator Expert:
Aivia驅(qū)動的自主顯微鏡的關(guān)鍵組分
LAS X Navigator是一款強(qiáng)大的導(dǎo)航和圖像采集工具,用戶可以從逐個圖像搜索方式切換到快速查看完整的樣本概覽,并能立即識別重要的樣本細(xì)節(jié)。它能夠使用玻片、培養(yǎng)皿和多孔板的模板自動設(shè)置高分辨率圖像采集。它就像一個用于樣本細(xì)胞的GPS定位系統(tǒng),用戶始終都可通過一條清晰的路徑來獲得高質(zhì)量數(shù)據(jù)、在樣本中導(dǎo)航、創(chuàng)建快速概覽、立即識別細(xì)節(jié),還可以使用玻片、培養(yǎng)皿和多孔板的模板進(jìn)行高分辨率圖像采集。
在導(dǎo)航中添加智能功能:LAS X Navigator Expert
Navigator Expert基于Navigator,融合了提供稀有事件處理工作流程的Aivia人工智能圖像處理功能。此外,使用Navigator Expert還可以定義多個掃描任務(wù),將其分配給需要掃描的任意幾何形狀/掃描區(qū)域,用于復(fù)雜的成像程序和實(shí)驗(yàn)設(shè)置。
圖4:LAS X Navigator Expert(右)和Aivia
Navigator Expert包含兩個模塊:“Jobs"(任務(wù))和“Experiment"(實(shí)驗(yàn))。在“Jobs"模塊中,可通過普通的STELLARIS LAS X用戶界面設(shè)置任何掃描任務(wù)。例如,該模塊包括定義自動對焦(AF)任務(wù)、低分辨率2D快速概覽掃描任務(wù)以及實(shí)際稀有事件任務(wù),后者可以進(jìn)行高分辨率3D掃描。
圖5:Navigator Expert的“Jobs"和“Experiment"兩個模塊與Aivia共同定義了一個檢測稀有事件的自動化工作流程。
設(shè)置稀有事件檢測工作流程
稀有事件檢測工作流程的創(chuàng)建十分簡單。定義了需完成的任務(wù)后,“Experiment"模塊就會直觀地引導(dǎo)用戶完成各個工作流程步驟:
1
確定載體(玻片、腔室、多孔板);
2
確定掃描區(qū)域(可基于載體預(yù)定義,也可任意定義);
3
確定焦點(diǎn)位置,分配AF任務(wù);
4
將概覽任務(wù)分配給掃描區(qū)域;
5
分配Aivia稀有事件處理程序和稀有事件任務(wù)。
最后,像素位置中會列出Aivia稀有事件處理程序檢測到的稀有事件位置。
圖6:設(shè)置工作流程
要創(chuàng)建Aivia稀有事件處理程序,只需使用事先通過概覽掃描任務(wù)采集的一些圖像對Aivia像素分類器進(jìn)行訓(xùn)練。使用簡單的繪圖工具,對需要的稀有事件進(jìn)行標(biāo)注,并確定圖像的背景。這樣,像素分類器就可以從概覽掃描圖像中獨(dú)立檢測到稀有事件。
圖7:在Aivia像素分類器訓(xùn)練中使用簡單的繪圖工具確定稀有事件和背景。
啟動稀有事件檢測工作流程后,概覽掃描圖像會立即傳輸?shù)紸ivia,后者將檢測到的稀有事件的像素坐標(biāo)送回到Navigator Expert,以便進(jìn)行稀有事件掃描。
圖8:概覽圖像和使用Navigator Expert進(jìn)行稀有事件掃描。
Aivia驅(qū)動的自主顯微鏡的優(yōu)勢
除了上述特點(diǎn)之外,基于人工智能的自動顯微鏡還可大幅改進(jìn)和優(yōu)化實(shí)驗(yàn)。
坐在顯微鏡前的總時間和工作量最多減少75%
高價值數(shù)據(jù)的采集時間最多可大幅縮短70%
低質(zhì)量數(shù)據(jù)的存儲需求最多可減少90%
提高稀有事件檢測的可重復(fù)性
利用人工智能提高數(shù)據(jù)質(zhì)量
稀有事件工作流程行之有效:檢測到高達(dá)90%的稀有事件