IN Carta Bildanalyse-Software
Liefert aus komplexen biologischen Abbildungen und Datensätzen gewonnene, robuste quantitative Ergebnisse.
Gewinnen Sie aus einem Assay schnell und zuverlässig Einsichten – mit den ImageXpress Imaging Systemen und der IN Carta Software
Die IN Carta® Image Analysis Software löst komplexe Bildanalyse-Probleme, indem sie Abbildungen mithilfe fortschrittlicher künstlicher Intelligenz (KI) in Ergebnisse umwandelt, die einfach zu interpretieren sind. Benutzerfreundliche Arbeitsabläufe unterstützen Sie dabei, die Ergebnisse von 2D-, 3D- und 4D-Experimenten schneller zu erhalten. Durch die Integration der Anwendung Custom Module Editor können Sie Ihre eigenen Bildanalyseprotokolle konfigurieren, die es Ihnen ermöglichen, selbst aus komplexen Assays zuverlässige Ergebnisse zu erhalten und diese anschließend schnell zu visualisieren, zu überprüfen und eine Interaktion mit den Analyseergebnissen zu beginnen. Lassen Sie die IN Carta Software die schwere Arbeit für Sie erledigen, so dass Sie sich auf Ihre Forschung konzentrieren können.
Leistungsstark
Angeleitete Arbeitsabläufe und skalierbare Chargenabarbeitung erhöhen die Produktivität und verringern die Zeit bis zum Vorliegen von Ergebnissen. Experimente können schnell konfiguriert werden und die Analyse mehrerer Wells läuft parallel.
Aufschlussreich
Das maschinelle Lernen unterstützt Sie dabei, mehr Informationen für sich zu nutzen und die Genauigkeit der Analyse von High-Content-Screening-Daten zu erhöhen – um Ihnen verlässliche Neuentdeckungen zu ermöglichen.
Intuitiv
Eine moderne Anwendererfahrung und modernste Technologie minimieren die Lernkurve für die Softwarenutzung und räumen Produktivitätshindernisse aus dem Weg.
IN Carta Bildanalyse-Software
Merkmale
Deep Learning
Verbessern Sie die Spezifität Ihrer Bildanalyse-Workflows durch den Einsatz des SINAP-Moduls. SINAP stützt sich auf eine auf Deep Learning basierende Bildanalyse, die eine robuste Segmentierung für praktisch jede biologische Struktur ermöglicht.
Beginnen Sie mit einer Arbeitsliste
Navigieren Sie zu einem übergeordneten Verzeichnis und bestücken Sie Ihre Arbeitsliste mit den Sie interessierenden Bilddatensätzen oder verwenden Sie einfach die Suchfunktion, um diese zu finden.
KI-gestützte Datenanalytik
Nutzen Sie die Möglichkeiten des maschinellen Lernens – ohne ein Bioinformatiker zu sein. Identifizieren und quantifizieren Sie phänotypische Veränderungen in einem benutzerfreundlichen Arbeitsablauf. Erschließen Sie Ihre Daten und gewinnen Sie Erkenntnisse aus komplexen Datensätzen. Finden Sie neuartige und unerwartete Phänotypen mit nur wenigen Mausklicks.
Adaption an Kundenbedürfnisse
Durchsuchen und überprüfen Sie Abbildungen aus Experimenten, erstellen Sie Bildanalyseprotokolle unterschiedlicher Komplexität und klassifizieren Sie ihre Daten bei Bedarf. Visualisieren Sie Analyseergebnisse durch 360 ̊-Verknüpfung der Daten aus Abbildungen, Datentabelle und Diagrammen.
3D-Analyse
Die 3D-Anwendung des Custom Module Editor bietet eine noch nie dagewesene Flexibilität bei der Segmentierung komplexer biologischer Strukturen. Bilddatensätze können in 3D oder 4D (Zeitraffer 3D) erfasst werden, und benutzerspezifisch angepasste Bildanalyseroutinen können mithilfe eines angeleiteten Arbeitsablaufs entwickelt werden.
Chargenanalyse und Überwachung
Analysieren Sie mehrere Experimente im Chargenanalyse-Modus mit einem oder mehreren Analyseprotokollen. Überwachen Sie den Status aller angelegten Aufgaben und verfolgen Sie deren Fortschritt in Echtzeit.
Flexi-Protocol
Mit der Flexi-Protocol-Anwendung können benutzerdefinierte Analyseprotokolle unterschiedlicher Komplexität durch das Hinzufügen von so vielen Analyseschritten wie nötig erstellt werden. Jeder Analyseschritt kann eine Bildvorverarbeitung und eine Nachbearbeitung der Objektmaske beinhalten, um eine bessere Anpassung an einen bestimmten Assay zu ermöglichen. Die neu gestalteten Analyse- und Bildbetrachtungsfenster können je nach Fokus-Bedarf ein- oder ausgeklappt werden.
- Einfach oder komplex – erstellen Sie jedes Analyseprotokoll, das Sie für den gewünschten Test benötigen. Segmentierung und Extraktion von Messungen aus einer beliebigen Anzahl von Kanälen
- Benutzerspezifisch angepasst – Festlegung der Zielhierarchie im Protokoll über die Zielverknüpfung. Verwendung der Option „Benutzerdefinierte Messung“ zur Berechnung zusätzlicher Messungen für beliebige biologische Ziele
- Überzeugend – Nutzen Sie die Deep Learning-Segmentierungsoption in jedem der Analyseschritte. Zielmasken können mit logischen Operationen kombiniert werden
- Einfache Bedienung – die intuitive Benutzeroberfläche mit dynamischen Fenstern ermöglicht eine gezielte Protokollentwicklung
- Hilfe ist nur einen Klick entfernt – einfacher Zugriff auf kontextbezogene Hilfe mit einem interaktiven, durchsuchbaren Benutzerhandbuch
IN Carta SINAP
SINAP ist ein Modul, das Algorithmen für maschinelles Lernen nutzt, um die Genauigkeit und Zuverlässigkeit von High-Content-Sceening-Assays im ersten Schritt der Analyse-Pipeline – der Segmentierung – zu verbessern. Es bietet eine bessere Erkennung von Objekten als die herkömmlichen Bildanalyse-Methoden. Deep-Learning-Modelle können mit einem benutzerfreundlichen Werkzeug leicht benutzerspezifisch angepasst werden, so dass alle neuartigen biologischen Objekte effizient segmentiert werden können. Die quantitativen Informationen, die aus segmentierten Objekten gewonnen werden, weisen eine höhere Genauigkeit auf, so dass keine Fehler in der Analyse-Pipeline weitergegeben werden.
Mit SINAP ist Segmentierung kein Problem!
- Präzise – durch Deep Learning kann die Genauigkeit über schwer zu segmentierende Proben hinweg aufrechterhalten werden, einschließlich konfluenter Zellen, Proben mit geringem Signal-Hintergrund-Verhältnis und Durchlichtaufnahmen.
- Zuverlässig – SINAP-Modelle können eine hohe Phänotyp-Variabilität berücksichtigen.
- Flexibel – ein einziger Arbeitsablauf kann eine Vielzahl verschiedener Anwendungen und Imaging-Modalitäten abarbeiten.
- Zugänglich – das geschulte Modell lernt das Segmentieren vom Zeichnen des Wissenschaftler auf der Abbildung und nicht von der Anfrage an einen Deep-Learning-Guru, ein neues Modell zu erstellen und mehrere Parameter zu optimieren.
Benutzerdefinierte SINAP Deep-Learning-Modelle segmentieren bestimmte Regionen (ganzer Körper, Kopf, Augen, Gehirn) eines Zebrafischembryos auf einer Durchlichtabbildung. Foto bereitgestellt vom Guo-Labor, UCSF
IN Carta Phenoglyphs
Das IN Carta® Phenoglyphs™ Software Module nutzt eine einzigartige Kombination aus unüberwachtem und überwachtem maschinellem Lernen, um phänotypische Veränderungen zu quantifizieren. Indem viele hunderte zelluläre Eigenschaften ausgewählt und gleichzeitig analysiert werden können, entsteht ein umfangreiches phänotypisches Profil, das durch den ganzen Screening-Prozess hindurch angewendet werden kann. Diese multivariate Herangehensweise an eine Klassifizierung liefert eine genaue Beschreibung der individuellen Objekt-Populationen, und diese ermöglicht es dem Anwender, sogar subtile, durch eine Wirkstoffbehandlung oder genetische Modifikationen verursachte Phänotypveränderungen zu erkennen. Das Modul kann über ein großes Spektrum biologischer Zielobjekte hinweg angewendet werden, einschließlich für Organoide, Zellen, Sphäroide und mehr.
Klassifizierung von aus HCT116-Zellen erzeugten Sphäroiden. Die Sphäroide wurden mittels Hellfeld-Bildern mit SINAP segmentiert. Die Probe wurde zusätzlich mit Hoechst 33342, Calcein-AM und MitoTracker Rot gegengefärbt, um Zellkerne, lebende Zellen bzw. Mitochondrien sichtbar zu machen.
- Umfassend – ein datengesteuerter Ansatz, der mit einer unüberwachten Cluster-Bildung beginnt, um Muster in den Daten zu finden, und die Subpopulationen markiert, ohne vorher zu wissen, welche Phänotypen vorkommen können
- Robust – ein spezieller Algorithmus für maschinelles Lernen ermittelt den optimalen Satz an beschreibenden Merkmalen, um eine Überanpassung des resultierenden Klassifizierungsmodells zu vermeiden.
- Optimierter Arbeitsablauf – die Klassifizierung wird dadurch erzielt, dass die durch den Algorithmus getroffenen Vorhersagen einfach so lange bestätigt oder korrigiert werden, bis der Algorithmus die richtige Vorgehensweise erlernt hat.
IN Carta Custom Module Editor 2D und 3D
- Erstellen Sie einfache, schrittweise benutzerdefinierte Analysen
- Passen Sie die Objektsegmentierung und Klassifizierung benutzerspezifisch an
- Finden Sie Objekte, die in bestimmten biologischen Kompartimenten lokalisiert sind
- Erzeugen Sie nur von den Messungen Berichte, die für den Assay von Interesse sind
- Analysieren Sie Live-Imaging-Daten
- Echte 3D-Segmentierung (nur 3D-Anwendung)
- Robuste Rekonstruktion der 2D-Segmentierung im Volumen für 3D-Tests (nur 3D-Anwendung)
Beispiel für die Segmentierung von HCT116-Zellen, die ein Sphäroid bilden, segmentiert im Custom Module Editor 3D und visualisiert im 3D-Viewer
Neueste Ressourcen
Anwendungen der IN Carta Image Analysis Software
Ressourcen zur IN Carta Bildanalyse-Software
Erkunden Sie unser High-Content-Imaging-Portfolio
High-Content-Imaging und Analyse-Lösungen, angefangen bei automatisierter Digitalmikroskopie bis hin zu konfokalen Hochdurchsatz-Imaging-Systemen mit Wasserimmersionsobjektiven und firmeneigener Spinning-Disk-Technologie.