內(nèi)容簡介：
研究者辛苦得到了實驗樣本，但是拍出的圖片可能有背景太高、人工分析繁瑣等的問題。這些不太理想的2D到5D（xy→xyztl）的data，可以使用Aivia機器學習功能進行分析——pixel classifier 和object classifier 工具可以迅速地自動識別感興趣結(jié)構，并進行計數(shù)、位置關系、信號強度等分析，幫助研究者快速得到可靠的結(jié)果，從數(shù)據(jù)中發(fā)現(xiàn)隱藏的細節(jié)。

這次培訓我們選取了三個有代表性的圖片，來向大家展示Aivia的強大數(shù)據(jù)分析能力。

1、高背景厚樣本



2、結(jié)構不規(guī)則的熒光圖像



3、依賴于手動分析的電鏡圖片



數(shù)據(jù)來源：廈門大學生物醫(yī)學儀器共享平臺，電鏡室姚路明博士、吳彩明博士
掃碼報名即可觀看直播



時間：2022年4月19日    14:30-15:30
 
主講

包沈源博士
畢業(yè)于華東理工大學先進材料與制備技術專業(yè)。博士后工作于華東理工大學物理化學專業(yè)。現(xiàn)任職于徠卡顯微系統(tǒng)材料電鏡制樣工程師，長期從事材料制備和電鏡圖像分析工作，從理論基礎到分析表征都具有豐富經(jīng)驗。


了解更多：徠卡顯微