scanR 3.1 vereint laut Hersteller die Modularität und Flexibilität eines mikroskopbasierten Aufbaus mit der Automatisierung, der Geschwindigkeit, dem Durchsatz und der Reproduzierbarkeit von HCS-Anwendungen. Der Clou der neuen Version ist das Konzept der „selbstlernenden Mikroskopie“, so Olympus. Es vereinfache das Erfassen von Daten großer Populationen lebender Zellen und ermögliche so zuverlässige, abgesicherte experimentelle Ergebnisse. In einer kurzen, einmaligen Trainingsphase nutze die Software eine Reihe schnell aufgenommener Bilder, um ganz ohne manuelle Annotationen Referenzdaten für den Lernprozess zu generieren. Daraufhin werden faltende neuronale Netzwerke (Convolutional Neural Networks) eingesetzt, um autonom robuste Algorithmen zu schaffen, die innerhalb kürzester Zeit große Bilderreihen analysieren können, erläutert Olympus das Verfahren. Die Einrichtungszeit werde damit auf ein Minimum reduziert. Eine beispielhafte Anwendung für die Leistungsfähigkeit von KI in HCS sei die markierungsfreie Quantifizierung lebender Zellen. So könne die HCS-Software scanR von Olympus die Position der Kerne in den Näpfchen von Mikrotiterplatten zuverlässig nur aus Hellfelddurchlichtbildern bestimmen. Die Quantifizierung von lebenden Zellen aus Hellfeldbildern anstelle von Fluoreszenz verkürze die Belichtungszeiten und vermeide die Verwendung von genetischen Modifikationen oder Kernmarkern.
Weitere Informationen unter www.olympus-lifescience.com
Entnommen aus MTA Dialog 9/2019
Artikel teilen