內(nèi)容簡(jiǎn)介：
研究者辛苦得到了實(shí)驗(yàn)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(jī)器學(xué)習(xí)功能進(jìn)行分析——pixel classifier 和object classifier 工具可以迅速地自動(dòng)識(shí)別感興趣結(jié)構(gòu)，并進(jìn)行計(jì)數(shù)、位置關(guān)系、信號(hào)強(qiáng)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(xì)節(jié)。

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

1、高背景厚樣本



2、結(jié)構(gòu)不規(guī)則的熒光圖像



3、依賴于手動(dòng)分析的電鏡圖片



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



時(shí)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(xué)先進(jìn)材料與制備技術(shù)專業(yè)。博士后工作于華東理工大學(xué)物理化學(xué)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(zhǎng)期從事材料制備和電鏡圖像分析工作，從理論基礎(chǔ)到分析表征都具有豐富經(jīng)驗(yàn)。


了解更多：徠卡顯微