深上优于图像分析Label-Free监测iPSC和3 d瀑样文化

复杂的3 d生物模型如瀑样和patient-derived球状体许多生物医学研究领域中很流行,因为它们更紧密地概括体内组织。这些3 d模型提供了巨大的潜在疾病建模、药物筛选、毒性研究中,宿主交互,和精密的医学。为了使用瀑样大规模屏幕,自动化是至关重要的处理大量的样本,同时保持一致的文化和可再生的iPSC线及其派生瀑样。

下载这个程序注意去发现一个解决方案:

• 变得健壮label-free图像的图像分割与自动深度学习的工具
• 定制深度学习分割模型来检测复杂对象的利益使用SINAP以最少的人工干预
• 执行数据分类与直观的机器学习phenoglyphs工具