COVID-19 响应——我们致力于在这场大流行病期间为科学界提供支持。了解更多

使用 ImageXpress 系统和 IN Carta 图像分析软件,快速且可靠地从分析中获得见解

IN Carta 软件使您更易接受图像的复杂性。通过结合强大的分析功能与现代化的用户界面,简化了从 2D 和3D 组织以及延时数据中获得见解的过程。机器学习技术和向导式工作流程可创造极佳的用户体验,高级表型分析非常直观,结果可靠。无需具备图像分析专业知识,也不用进行单调乏味的调整或检测实验参数。让 IN Carta 软件进行繁重的工作,以便您能专注于研究。结果显而易见,具体取决于您的查看方式。

  • 强大

    强大

    向导式的工作流程和可扩展的批处理功能提高了效率。在设置分析和计算能力时,不会浪费任何时间,因此能快速提供结果。

  • 富有洞察力

    富有洞察力

    在进行高内涵筛选数据分析时,机器学习功能可让您利用更多信息并减少错误,从而有信心获得新发现。

  • 设计简化

    设计简化

    直观用户体验和尖端技术可最大程度降低软件学习曲线,并清除提高效率所面临的障碍。

IN Carta 图像分析软件

IN Carta 图像分析软件

特点

  • 工作列表

    工作列表

    浏览主目录,并使用所有可用的图像数据集填充您的工作清单。

  • 批次

    批次

    通过一个或多个分析实验步骤,在批次分析模式下分析多项实验。

  • 交互式

    交互式

    浏览查阅实验图像、创建图像分析实验步骤、处理数据并查看分析结果。

  • 监测

    监测

    监测所有已提交的批次分析任务的状态,并实时监督其进展情况。

  • 3D 分析

    3D 分析

    在一个真实的 3D 空间中,分割并量化生物学结构。IN Carta VoluMetrics 在分割对象和提取信息指标时,能提供对 3D 体素有效的算法。

  • 机器学习,人工智能

    机器学习,人工智能

    Phenoglyphs 是一种机器学习分类算法,这种算法将能同时分析多项指标,从而自动识别数据类别并可以比手动分类时揭示更多深层次信息。

IN Carta VoluMetrics

3D 细胞培养模型能够更准确地模拟体内器官和组织,在作为工具使用时,显示出较大的潜力,可提高对疾病的理解并探索潜在疗法。IN Carta VoluMetrics 是一种 3D 图像分析模块,扩展了 IN Carta 的功能,能够分割和量化真实 3D 空间中的生物学结构。

IN Carta VoluMetrics 在分割对象和提取信息指标时,能提供对 3D 体素有效的算法。因此,与单独的 Z 平面分析(相邻 Z 平面中各对象之间的关系是一个粗略近似值)相比,能够更好地表示样本形态和强度分布情况。

IN Carta VoluMetrics
具备随机颜色分割蒙版功能,从而可评估密集细胞球中接触对象的分割质量

IN Carta SINAP

SINAP 是一种模块,该模块在分析程序的第一步(即分割)中,采用深度学习算法来提高高内涵筛选检测的准确性和可靠性。通过更好的检测和保留感兴趣对象的真实形态,在这一步中提取到的定量信息不会存在任何会歪曲下游分析步骤生物学的错误。使用 SINAP,分割不是问题!

  • Reliable –deep learning can account for high phenotypic variability and maintain accuracy across treatments even when objects are highly confluent or signal-to-noise is low
  • Flexible –a single workflow can deal with a variety of applications and types of image data including brightfield
  • Accessible –the algorithm learns to segment from users drawing on the image rather than asking the user to develop an image processing pipeline and optimize parameters
IN Carta SINAP
多重细胞学分析检测可测定多种细胞状态。

IN Carta Phenoglyphs

Phenoglyphs 是一个表型分类器,其通过机器学习功能来充分利用图像的所有内容。可同时分析数百种细胞特征,从而生成更全面的表型分析。这种用于分类的多变量方法能够更好地描述单个细胞群的特征,从而允许用户确定药物治疗或基因修饰诱发的非常微妙的表型变化。

  • 全方面 –a data driven approach that starts with an unsupervised clustering to find natural patterns in the data and highlight subpopulations without priori knowledge of what phenotypes may exist.
  • Robust –the novel unsupervised step in the workflow quickly builds a large unbiased training set that captures the variance in a class and produces models that are less subject to overfitting and misclassifying cells.
  • Simplified Workflow –choosing the optimal set of descriptive features and forming the complex set of rules to stratify classes is completely automated with machine learning. 通过简单确认或纠正算法预测直到其学会正确行为,即可实现最佳分类。
IN Carta Phenoglyphs
当您改变查看的方式时,答案显而易见

IN Carta Phenoglyphs

通过实例训练软件。机器学习和统计功能将会处理其余的工作

ImageXpress Confocal HT.ai 智能化共聚焦高内涵成像分析系统

强大的多通道激光光源、深层组织穿透共聚焦转盘模块、水浸物镜和现代化机器学习分析软件

  • 非常适用于高度复杂的细胞测定和3D检测
  • 7 通道高强度激光可产生更明亮的图像,同时获得更高的信噪比
  • 转盘式共聚焦技术适用于深层组织穿透,从而获得更清晰的图像并提高分辨率
  • 水浸物镜在更短的曝光时间内可将信号放大约四倍,从而获得更高的灵敏度和图像清晰度,而不会降低速度
  • 可选的 IN Carta 软件能够利用直观的现代化机器学习功能

  • 活细胞成像

    活细胞成像

    活细胞成像是通过显微观察研究活细胞的细胞结构和功能的研究方法。它可以实时显示和定量细胞的动态变化过程。活细胞成像包含多种方向和生物应用 — 无论是对活细胞进行长期动力学监测,还是进行荧光标记检测。

    了解更多  

IN Carta 图像分析软件的相关产品和服务