Zellpathologie
Cognex Deep Learning erkennt Zellanomalien in histologischen Präparaten
Ähnliche Produkte
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Histologische Proben weisen vielfältige Formen von Zellschäden auf. Da das Erscheinungsbild von Zellschäden kaum vorhersehbar ist und viele mögliche Formen umfasst, kann es für die industrielle Bildverarbeitung schwierig sein, alle möglichen Anomalien ohne umfassende Programmierung zu erkennen.
Cognex Deep Learning erkennt Zellanomalien, indem es das normale Erscheinungsbild einer Zelle einschließlich seiner erheblichen, jedoch zulässigen Abweichungen (zum Beispiel Mitose) erlernt. Das Deep Learning-Modell des Tools lernt, natürliche Abweichungen in Zellhaufen zu berücksichtigen, während es erhebliche Änderungen im Erscheinungsbild als anomal kennzeichnet. Basierend auf diesem ersten Training kann Cognex Deep Learning die Zielbereiche dynamisch segmentieren und dabei den Zellschaden für weitere histologische Untersuchungen zeigen. Das Defekterkennungs-Tool wird auch verwendet, um bestimmte Zielbereiche zu segmentieren und zu identifizieren, wie zum Beispiel ein bestimmtes Fixierungsmittel auf einem Objektträger (zum Beispiel Paraffin) oder andere Artefakte durch unsachgemäße Verfärbung.
