Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Produkte 38 www labo de 1-2 2022 Zellen und Zellkerne unterscheiden Softwarebasierte Bildsegmentierung Die „scanR“-High-Content-Screening-Station HCS von Olympus macht eine vollautomatische Bildaufnahme und Daten analyse möglich Version 3 3 ist eine Weiterentwicklung hinsichtlich verbesserter Fähigkeiten der Deep-Learning-Techno logie Objekte in biologischen Proben mithilfe einer sofortigen Segmentierung zu trennen und verschiedene Objekte von Inter esse in einem Bild zu erkennen und abzugrenzen Mithilfe einer selbstlernenden Mikroskopiemethode analysiert die KI des „scanR“-Systems automatisch Daten in einem proben basierten Arbeitsablauf Die Deep-Learning-Technologie kann Zellen Zellkerne und subzelluläre Objekte erkennen und Merkmale aus einer Liste von mehr als 100 Objektpara metern extrahieren Mit den deutlich verbesserten Möglichkeiten der Deep-Learning-Technologie zur Objektsegmentierung können schwer zu unterscheidende Objekte wie Zellen oder Zellkerne die sich sehr nah beieinander befinden wie es z Bin Zellkolonien oder Gewebe der Fall ist genauer segmentiert werden Neben Werkzeugen zur Entwicklung neuronaler Netzmodelle für spezifische Anwendungen ent hält die „scanR“- Version 3 3 vortrainierte neuronale Netzmodelle für Zellkerne und Zellen Diese können für zahlreiche Standardanwendungen verwendet werden wie etwa zur Unterscheidung zwischen konfluenten Zellen und dichten Zellkernen wodurch der Zeitaufwand zum Training des neuronalen Netzes entfällt Die Software-Version 3 3 enthält auch einen Kalibrierassistenten für Well-Platten mit dem eine neue Well-Platte einfach und schnell für das System kalibriert werden kann Zudem ermöglicht eine neue Lizenzstufe den Anwendern „scanR“-Analysedateien zu öffnen zu überprüfen und neu zu erstellen um die gemeinsame Nutzung von Ergebnissen zu erleichtern Olympus Europa www olympuslifescience com microscopes Viable Zelldichte-Messung Daten für Bioprozesse nutzen Hamilton Bonaduz bietet mit „ArcAir Data Modeling“ eine Software-Lösung welche die Messwerte des Geräts „Incyte Arc“ automatisch mit Werten aus Offline-Zellzählungen korreliert Incyte Arc ist ein Sensor zur Online-Messung des Volumens lebensfähiger Zellen Permittivität Für die Überwachung von Bioprozessen wäre eine Online-Messung die einen Vergleich mit der historischen Offline-Messung hinsichtlich der Dichte lebender Zellen zulässt von Nutzen „ArcAir Data Modeling“ könnte biopharmazeutischen Unternehmen dabei helfen ihre Bioprozesse auf Grundlage der Lebendzelldichte genau zu steuern und den Bedarf an häufigen und aufwändigen Offline-Probenentnahmen deutlich zu reduzieren Die multivariate Datenanalyse-Software vereint verschiedene Messparameter des Incyte-Arc-Sensors in einem sog Softsensor welcher nach Angaben des Anbieters eine sehr gut korrelierte Zelldichtebestimmung im Prozess liefert Sie greift dabei sowohl auf die aus früheren Chargen vorhandenen Frequenzscandaten des Incyte Arc als auch auf vorhandene Offline-Zahlen lebensfähiger Zellen zurück und verknüpft das Inline-Signal mit diesen In der Vergangenheit war die Vereinigung von Inline-Messungen und Offline-Zellzahlen schwierig da die Messungen auf unterschiedlichen Messprinzipien beruhen Während die üblicherweise verwendete lineare Korrelationsmethode genaue Daten im Bereich der Lagund exponentiellen Wachstumsphase liefert weichen die Daten in der stationären Phase und Totphase aufgrund der unterschiedlichen Messprinzipien voneinander ab Hamilton Bonaduz www hamiltoncompany com aadm Mikroskopiebild mit Rohdaten links Standardschwellenwert Mitte TrueAI-Instanzsegmentierung rechts Die Instanzsegmentierung trennt schwer zu unterscheidende nahe beieinander liegende Objekte Bild Olympus Bild Ham ilt on Bon ad uz