基于人工智能的工作流程通過(guò)Aivia驅動(dòng)的自主顯微鏡快速檢測活生物樣本中的稀有事件
對稀有事件進(jìn)行定位和選擇性成像是許多生物樣本研究過(guò)程的關(guān)鍵。然而,由于時(shí)間限制和高度的復雜性,有些實(shí)驗無(wú)法做到,從而限制了獲得新發(fā)現的前景。
基于人工智能顯微成像的
稀有事件檢測工作流程
通過(guò)基于人工智能的顯微成像檢測稀有事件,這種工作流程將智能樣本導航、圖像采集工具和人工智能驅動(dòng)的圖像分析等不同功能融合起來(lái)共同協(xié)作,能夠克服上述局限性。
STELLARIS上Aivia驅動(dòng)的自主顯微鏡為日常實(shí)驗室工作提供了非常高效的運行方式,包括執行那些沒(méi)有自動(dòng)程序或大量人工操作就無(wú)法完成的高級實(shí)驗。
為什么使用人工智能顯微成像?
在生命科學(xué)領(lǐng)域使用成像技術(shù)的根本原因是能夠生成數據來(lái)回答生物學(xué)問(wèn)題。通常會(huì )將圖像采集與高級圖像分析結合起來(lái)實(shí)現這個(gè)目標。
常規成像方法需要操作人員不斷進(jìn)行人機交互,使用顯微鏡系統在樣本上搜索合適的對象或感興趣區域(ROI),進(jìn)行適當的最佳圖像采集設置,然后決定掃描這些ROI。這種人工決策的實(shí)驗工作流程的性質(zhì)決定了只有容易控制的少數ROI能被精確定位,而且采集ROI圖像需要大量時(shí)間。使用由Aivia驅動(dòng)的自主顯微鏡,則能夠在實(shí)驗一開(kāi)始完成設置后就wanquan自動(dòng)進(jìn)行稀有事件檢測工作流程。
實(shí)驗開(kāi)始后,就會(huì )立即進(jìn)行低分辨率預掃描、檢測稀有事件以及采集和存儲高分辨率3D圖像,無(wú)需任何人工干預。這種方法的顯著(zhù)優(yōu)勢在于整個(gè)過(guò)程高速進(jìn)行,并能在實(shí)驗過(guò)程中檢測到大量稀有事件。
如何使用Aivia驅動(dòng)的自主顯微鏡
檢測稀有事件
自主顯微鏡可自動(dòng)檢測這類(lèi)ROI或稀有事件(RE),無(wú)需人工干預,因此能使復雜的顯微鏡工作流程wanquan自動(dòng)化。
在這個(gè)自主工作流程中,第一步先生成低分辨率二維(2D)概覽圖像,并立即將其傳輸到所連接的基于人工智能的圖像處理(Aivia)系統。該系統通過(guò)像素分類(lèi)器檢測由操作人員預先定義好的稀有事件,并將稀有事件坐標發(fā)回成像系統,系統再根據操作人員zhiding的要求(例如高分辨率和三維(3D)數據堆棧)掃描這些稀有事件。通過(guò)這種方式生成的數據:
與感興趣對象密切相關(guān)
因為采用了自動(dòng)化拍攝,所得數據具有統計相關(guān)性
圖1:稀有事件檢測工作流程
使用人工智能驅動(dòng)的顯微成像發(fā)現稀有事件,提高數據質(zhì)量
對稀有事件進(jìn)行高度特異性?huà)呙杩纱蠓岣咚杉瘮祿恼w質(zhì)量,因為獲得的都是真正感興趣的數據。這種方法可確保有針對性地掃描,至多獲得到90%的稀有事件。同時(shí),不再因對稀有事件進(jìn)行耗時(shí)且高成本的人工搜索而造成很長(cháng)的“閑置時(shí)間",因此顯微鏡系統可實(shí)現高效運行。
圖2:通過(guò)約5個(gè)多小時(shí)自動(dòng)圖像采集獲取的50微米厚的人腦切片(阿爾茨海默病供體)圖像,所標記的感興趣對象顯示了3D高分辨率圖像堆棧,檢測到516個(gè)稀有事件。
樣本由德國慕尼黑路德維希-馬克西米利安大學(xué)shenjingbing理學(xué)和大腦研究中心 Jochen Herms 教授提供。
更快地得到結果,節省圖像采集時(shí)間和磁盤(pán)空間 - “擺脫無(wú)效數據!"
除了對稀有事件進(jìn)行高度特異性?huà)呙柰猓?/span>自主顯微成像還能采集與稀有事件目標wanquan無(wú)關(guān)的數據??赏ㄟ^(guò)以目標為導向的方式掃描感興趣的對象,這一方面可以在很大程度上防止生成無(wú)效數據,另一方面能以高度定性的方式提供所采集的數據,便于后續圖像分析。所采集的對象始終位于掃描區域的視野(FOV)中心,因此可以實(shí)現上述優(yōu)點(diǎn)。
圖3:通過(guò)約3個(gè)多小時(shí)自動(dòng)圖像采集獲得的細胞有絲分裂圖像。只采集感興趣的對象。感興趣對象顯示了116個(gè)檢測到的分裂中期的3D高分辨率圖像堆棧。
提高可重復性,有助于先進(jìn)的jianduan實(shí)驗
可重復性是進(jìn)行可信的生命科學(xué)研究的關(guān)鍵要素之一。自主執行的實(shí)驗順序可隨時(shí)得到恢復,裝配適當的軟件版本,并以wanquan相同的設置重新運行。這個(gè)過(guò)程能確??芍貜托?,而手動(dòng)設置實(shí)驗中的成像程序無(wú)法做到這一點(diǎn)。此外還可建立高度復雜的顯微成像工作流程并使其自動(dòng)化,使高級應用更易于使用,而這類(lèi)應用以前根本無(wú)法做到,或者必須依靠大量人工操作。
LAS X Navigator Expert:
Aivia驅動(dòng)的自主顯微鏡的關(guān)鍵組分
LAS X Navigator是一款強大的導航和圖像采集工具,用戶(hù)可以從逐個(gè)圖像搜索方式切換到快速查看完整的樣本概覽,并能立即識別重要的樣本細節。它能夠使用玻片、培養皿和多孔板的模板自動(dòng)設置高分辨率圖像采集。它就像一個(gè)用于樣本細胞的GPS定位系統,用戶(hù)始終都可通過(guò)一條清晰的路徑來(lái)獲得高質(zhì)量數據、在樣本中導航、創(chuàng )建快速概覽、立即識別細節,還可以使用玻片、培養皿和多孔板的模板進(jìn)行高分辨率圖像采集。
在導航中添加智能功能:LAS X Navigator Expert
Navigator Expert基于Navigator,融合了提供稀有事件處理工作流程的Aivia人工智能圖像處理功能。此外,使用Navigator Expert還可以定義多個(gè)掃描任務(wù),將其分配給需要掃描的任意幾何形狀/掃描區域,用于復雜的成像程序和實(shí)驗設置。
圖4:LAS X Navigator Expert(右)和Aivia
Navigator Expert包含兩個(gè)模塊:“Jobs"(任務(wù))和“Experiment"(實(shí)驗)。在“Jobs"模塊中,可通過(guò)普通的STELLARIS LAS X用戶(hù)界面設置任何掃描任務(wù)。例如,該模塊包括定義自動(dòng)對焦(AF)任務(wù)、低分辨率2D快速概覽掃描任務(wù)以及實(shí)際稀有事件任務(wù),后者可以進(jìn)行高分辨率3D掃描。
圖5:Navigator Expert的“Jobs"和“Experiment"兩個(gè)模塊與Aivia共同定義了一個(gè)檢測稀有事件的自動(dòng)化工作流程。
設置稀有事件檢測工作流程
稀有事件檢測工作流程的創(chuàng )建十分簡(jiǎn)單。定義了需完成的任務(wù)后,“Experiment"模塊就會(huì )直觀(guān)地引導用戶(hù)完成各個(gè)工作流程步驟:
1
確定載體(玻片、腔室、多孔板);
2
確定掃描區域(可基于載體預定義,也可任意定義);
3
確定焦點(diǎn)位置,分配AF任務(wù);
4
將概覽任務(wù)分配給掃描區域;
5
分配Aivia稀有事件處理程序和稀有事件任務(wù)。
最后,像素位置中會(huì )列出Aivia稀有事件處理程序檢測到的稀有事件位置。
圖6:設置工作流程
要創(chuàng )建Aivia稀有事件處理程序,只需使用事先通過(guò)概覽掃描任務(wù)采集的一些圖像對Aivia像素分類(lèi)器進(jìn)行訓練。使用簡(jiǎn)單的繪圖工具,對需要的稀有事件進(jìn)行標注,并確定圖像的背景。這樣,像素分類(lèi)器就可以從概覽掃描圖像中獨立檢測到稀有事件。
圖7:在A(yíng)ivia像素分類(lèi)器訓練中使用簡(jiǎn)單的繪圖工具確定稀有事件和背景。
啟動(dòng)稀有事件檢測工作流程后,概覽掃描圖像會(huì )立即傳輸到Aivia,后者將檢測到的稀有事件的像素坐標送回到Navigator Expert,以便進(jìn)行稀有事件掃描。
圖8:概覽圖像和使用Navigator Expert進(jìn)行稀有事件掃描。
Aivia驅動(dòng)的自主顯微鏡的優(yōu)勢
除了上述特點(diǎn)之外,基于人工智能的自動(dòng)顯微鏡還可大幅改進(jìn)和優(yōu)化實(shí)驗。
坐在顯微鏡前的總時(shí)間和工作量最多減少75%
高價(jià)值數據的采集時(shí)間最多可大幅縮短70%
低質(zhì)量數據的存儲需求最多可減少90%
提高稀有事件檢測的可重復性
利用人工智能提高數據質(zhì)量
稀有事件工作流程行之有效:檢測到高達90%的稀有事件
充分利用有針對性的檢測,
獲得重要數據!
相關(guān)產(chǎn)品
STELLARIS 平臺
AI圖像分析軟件 Aivia
電話(huà)
微信掃一掃