Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

HospiMedica

Deascargar La Aplicación Móvil

Módulo de IA permite la segmentación y procesamiento predictivos de imágenes

Por el equipo editorial de HospiMedica en español
Actualizado el 30 Dec 2019
Un módulo potente de análisis y procesamiento de imágenes aprovecha el aprendizaje profundo y la inteligencia artificial (IA) para extraer con exactitud datos imparciales de grandes cantidades de conjuntos de datos de microscopía.

El módulo de análisis y procesamiento de imágenes de microscopía NIS.ai de Nikon Instruments (Melville, NY, EUA) es un conjunto de herramientas de procesamiento basadas en inteligencia artificial que utiliza redes neuronales convolucionales (CNN) para aprender a leer imágenes de pequeños conjuntos de datos de capacitación proporcionados por el usuario. Los resultados de la capacitación se pueden aplicar para procesar y analizar grandes volúmenes de datos, lo que permite a los investigadores aumentar el rendimiento y ampliar sus límites de aplicación. El NIS.ai incluye un conjunto de aplicaciones para imagenología predictiva, segmentación y procesamiento de imágenes. Éstas incluyen:

Imagen: Un conjunto de aplicaciones de microscopía ayuda a la imagenología predictiva, la segmentación y el procesamiento (Fotografía cortesía de Nikon Instruments)
Imagen: Un conjunto de aplicaciones de microscopía ayuda a la imagenología predictiva, la segmentación y el procesamiento (Fotografía cortesía de Nikon Instruments)

Convert.ai, que aprende patrones relacionados en dos canales de imagenología diferentes. Después del entrenamiento, Convert.ai puede predecir el patrón en el segundo canal, incluso cuando se presenta solo con el primer canal. También se puede entrenar para predecir dónde la coloración fluorescente de núcleos basada en DAPI, un método común para la segmentación y el recuento de células, se podría basar en imágenes de microscopía de contraste de interferencia diferencial (DIC) o de contraste de fase no coloreadas. Esto permite a los usuarios realizar análisis de imágenes basadas en núcleos sin tener que colorear las muestras con DAPI o adquirir un canal fluorescente.

Segment.ai, que permite identificar y segmentar fácilmente estructuras complejas. Las neuritas en las imágenes de contraste de fase son tradicionalmente difíciles de definir mediante el umbral clásico. Segment.ai se puede entrenar en un pequeño subconjunto de neuritas trazadas a mano para detectar y segmentar automáticamente neuritas de miles de conjuntos de datos no rastreados.

Enhance.ai, que permite mejorar las muestras fluorescentes tenues con una baja relación señal/ruido (SNR) al aprender cómo se ve una imagen de alta señal a ruido, a través de un proceso que compara imágenes subexpuestas y óptimamente expuestas. Enhance.ai puede restaurar detalles en imágenes fluorescentes tenues o poco expuestas, lo que permite a los investigadores obtener más información de sus aplicaciones de imágenes de baja señal.

Denoise.ai, que elimina el ruido de disparo de las imágenes confocales resonantes y se puede realizar en tiempo real. La aplicación de Denoise.ai a las imágenes confocales resonantes permite a los usuarios adquirir imágenes confocales a una velocidad ultra alta sin sacrificar la calidad de las imágenes.

“La aplicación de Aprendizaje Profundo e IA a la imagenología biomédica es extremadamente poderosa y abre posibilidades invisibles”, dijo Steve Ross, PhD, director de productos y marketing de Nikon Instruments. “Con NIS.ai, los investigadores pueden aplicar fácilmente el aprendizaje profundo para extraer datos significativos e imparciales de conjuntos de datos grandes y complejos”.

Enlace relacionado:
Nikon Instruments


Últimas TI noticias