Contact
QR code for the current URL

Story Box-ID: 1004579

EVIDENT Europe GmbH Caffamacherreihe 8-10 20355 Hamburg, Germany https://www.evidentscientific.com
Contact Ms Andrea Rackow +49 40 237734612
Company logo of EVIDENT Europe GmbH

Präziser, effizienter und schonender in der Segmentierung: Imaging-Software cellSens von Olympus mit Deep-Learning-Technologie

(PresseBox) (Hamburg, )
Vor der Analyse steht die Segmentierung. Life-Science-Anwender stehen bei ihrer Arbeit immer wieder vor der Herausforderung, exakt die Daten aus einer mikroskopischen Aufnahme zu generieren, die sie für ihre Aufgaben benötigen – und das möglichst ohne die Proben dabei zu schädigen. Herkömmliche Verfahren liefern hier oft nur unzureichende Ergebnisse. Olympus hat seine Imaging-Software cellSens daher mit Deep-Learning-Technologie ausgestattet, um Forschern innerhalb kürzester Zeit eine optimale Segmentierungsanalyse zu ermöglichen.

Bildanalysen sind ein zentraler Bestandteil zahlreicher Life-Science-Applikationen. Häufig gilt es dabei, Zielstrukturen wie Zellen und Organellen durch Segmentierung aus dem restlichen Bild zu extrahieren. Herkömmliche Schwellenwertverfahren, die auf Helligkeit und Farbgebung basieren, bergen jedoch die Gefahr, dass wichtige Eigenschaften übersehen oder Bereiche der Probe überhaupt nicht erkannt werden.

Mithilfe der Deep-Learning-Technologie der Imaging-Software cellSens von Olympus kann der Nutzer das System jedoch schnell trainieren, um diese Informationen umgehend 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 Software cellSens ermöglicht es hingegen, Zellkerne mittels einfacher Durchlichtaufnahmen zu identifizieren und zu segmentieren, sodass keine Fluoreszenzfärbung mehr erforderlich ist.

Weniger Phototoxozität während der Fluoreszenzbildgebung für eine präzisere Datenerfassung

Dank der DeepLearning-Technologie der Software cellSens lassen sich genaue Analysedaten von Bildern mit geringem Signal-Rausch-Verhältnis erzielen. Die Technologie zeichnet sich durch eine hervorragende Präzision 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

Deep Learning ermöglicht zudem eine zeitsparende automatisierte Identifizierung und Zählung mitotischer Zellen und erleichtert insbesondere auch  Segmentierungsaufnahmen von Gewebeproben (wie Nierenglomeruli), die mit konventionellen Methoden nur schwer zu erreichen sind.

Näheres zur Software cellSens, zur Technologie Deep Learning und weiteren Life-Sience-Lösungen von Olympus finden Sie hier: https://www.olympus-lifescience.com/de/

Website Promotion

Website Promotion
The publisher indicated in each case (see company info by clicking on image/title or company info in the right-hand column) is solely responsible for the stories above, the event or job offer shown and for the image and audio material displayed. As a rule, the publisher is also the author of the texts and the attached image, audio and information material. The use of information published here is generally free of charge for personal information and editorial processing. Please clarify any copyright issues with the stated publisher before further use. In case of publication, please send a specimen copy to service@pressebox.de.
Important note:

Systematic data storage as well as the use of even parts of this database are only permitted with the written consent of unn | UNITED NEWS NETWORK GmbH.

unn | UNITED NEWS NETWORK GmbH 2002–2024, All rights reserved

The publisher indicated in each case (see company info by clicking on image/title or company info in the right-hand column) is solely responsible for the stories above, the event or job offer shown and for the image and audio material displayed. As a rule, the publisher is also the author of the texts and the attached image, audio and information material. The use of information published here is generally free of charge for personal information and editorial processing. Please clarify any copyright issues with the stated publisher before further use. In case of publication, please send a specimen copy to service@pressebox.de.