实验中，我们经常会遇到图像质量不佳，但已经无法再重新采集的情况，那么如何从这些图像中提取信息就是我们最关心的问题。
蔡司arivis就可以提供这类问题的解决方案——AI分割。
首先，简单介绍一下这次案例的基本信息。
样本类型
秀丽隐杆线虫胚胎（德国德累斯顿工业大学 C. W. Okafornta）
目标任务
利用AI分割细胞并进行细胞分裂的追踪
荧光标记
细胞膜（PH-mKate2）、细胞核（H2B-mCherry）和中心体（gammaTub-GFP）
通道信息
绿色（细胞膜和细胞核），紫红色（中心体）
分析结果
胚胎细胞发育过程中细胞分裂轨迹的精确定位
成像系统
蔡司晶格层光显微成像系统
Lattice Lightsheet 7
采集时间
≈2小时，每30s采集一个3D stack
图像大小
每个stack包含476个平面，
共120,000张图像，≈86GB
降采样后
降采样50%，转为8bit，最终包含2个通道、79个平面、60个时间点，≈0.9 GB
图像软件
蔡司arivis Pro、蔡司 arivis Cloud
从上视频我们可以看到图像的噪声较大，如果要将细胞核及细胞体分割出来，需要进行不少图像预处理工作，其分割结果还不一定准确。因此，本次我们会使用“深度学习分割器”（Deep Learning Segmentation）功能，将在蔡司 arivis Cloud训练的AI模型直接嵌入到arivis Pro分析流程中去分割细胞体和细胞核。
蔡司 arivis Cloud是独立于Pro的一个云端图像处理平台，不占用电脑空间，仅需连接网络后，打开任意一个浏览器，搜索蔡司 arivis Cloud便可使用账号登陆该平台，即便在咖啡厅使用笔记本，也可以在线使用AI进行您图像的专属分割模型的训练。
现在，让我们根据上述需求，再次明确我们的图像处理流程。
▽点击图像处理流程卡片，查看详细教程▽
如文章所示
蔡司 arivis具有丰富且灵活多变的图像处理方法，
来应对各种复杂棘手的图像。
arivis的可拓展性
让您在多种环境下都能使用arivis进行图像处理。
轻量化的蔡司 arivis Cloud
让您随时随地可以训练独属于您的AI分割模型。
AI智能化，让您的数据焕发新生，
带来不止步于定性的量化结果。
相关 · 阅读
从图像到结果 | 应用于细胞谱系追踪的高级图像分析
从图像到结果 | 应用于高内涵siRNA筛选的高级图像分析
从图像到结果 | arivis Vision4D实现类器官内部结构统计分析
透过图像看本质，蔡司 arivis图像分析解决方案来了！
不只是大——TB级超大图像AI分析全面解决方案
☑产品采购
☑技术支持
☑售后服务
本文使用权归蔡司显微镜所有，未经授权请勿转载至其他公众号，如需转载，请与工作人员联系，并注明出处。若涉版权问题，请与我们联系。
