亮
点
一
3D Multiplex细胞检测
我们最前沿的deep learning模型,无需细胞核染色也可快速精准分割3D细胞。增强后的cellpose【1】模型增速78%,这将大幅加速您的研究进程,助您迅速获得空间组学洞察。更棒的是,您可以通过Aivia Community在任何PC工作站上无缝分享您的突破性发现,与全球科学家共同进步!
【1】:Stringer C, Wang T, Michaelos M, and Pachitariu M. Cellpose: a generalist algorithm for cellular segmentation. Nature Methods. 18: 100-106. (2021)
Media Gallery
亮
点
二
专家或数据驱动的表型分析极简化
Aivia内置的Phenotyper基于您的专业知识对2D/3D细胞聚类分析。除此之外,Aivia还提供无监督自动聚类方案k-means clustering【2】或PhenoGraph-Leiden clustering【3】,可以基于强度或形态测量进行聚类。新增的confidence value功能,可以让用户可以让用户去除低confidence object或只保留最高confidence value obecjt用于下游分析。
在此视频中,仅选择具有最高置信值(用户定义为0.85)的细胞以创建一个单独的表型,用于与其他包括较低置信值的表型进行比较。
Media Gallery
左右滑动查看
亮
点
三
生物标记物分组
通过分组相关的biomarker(例如肿瘤标记,免疫细胞标记),轻松地在复杂的多重标记数据中一起可视化生物相关channel,一次轻松切换多个通道。自动将生物相关通道填充到Phenotyper类别和channel中,并利用功能分组通过Marker-Cluster树状图来解释数据,探索biomarker和phenotype之间的关系。
Media Gallery
Biologically relevant channel grouping
左右滑动查看
亮
点
四
复杂空间数据探索
创新性可视化工具增强了数据分析和空间关系分析。Aivia 14提供一整套新工具来探索和可视化复杂数据和空间关系,适用于2D/3D复杂数据和具有多重形态学数值的常规共聚焦显微图像。总有一款适合你!快来看看吧!
关键特征如下:
1
phenotyping过程中自动产生summary数据,展示统计值以及百分比。
2
Marker-Cluster Dendrogram揭示了强度或形态学测量值与表型之间的关系,并通过增强的交互性来探索图像中感兴趣的表型、通道和形态测量。
3
按聚类对测量进行排序或按测量对聚类进行排序,以便轻松解读复杂数据。
4
新的double-sided Violin plot,可用于比较不同组或表型中两个测量值之间的数据分布。
5
Pearson Correlation Heatmap,用于可视化不同组或表型中两个测量值之间的相关性。
6
Binned scatterplot 用于全面分析不同对象或表型中两个不同测量值的数据分布。
7
Dimensionality reduction(UMAP、PacMAP、t-SNE),用于将高维数据简化到二维空间,便于数据解释。
8
Multi-well scatterplot ,用于绘制每个孔、每个实验条件或整个板上所有条件的数据。
此外,我们的关系工具通过交互选择图像上的对象或表型,并使用spotlight功能可视化选择,能够精确测量单个对象或表型之间的顶点到顶点的3D距离。
快来体验Aivia 14的强大功能,
开启数据分析的新篇章吧!
左右滑动查看更多
关于徕卡显微系统
更多
神刀三人行|复杂颅底的医者情怀 追求手术高度与治愈机会 - 张宏伟 康军 伊志强
厂商
2024.07.22
【展会预告】2024生物物理大会
厂商
2024.07.22
类器官厚样本的深层成像
厂商
2024.07.22
徕卡175周年:显微图像分析简史——从电视图像分析仪到集成数字软件解决方案的定量显微技术
厂商
2024.07.22