Imaris癌症研究解决方案

Powered by Bioz

Imaris癌症研究软件包是一款理想选择，适用于希望可视化显微镜数据，并对细胞培养、球体或组织中的肿瘤样本进行研究的科研人员。对于时间序列数据集，Imaris癌症研究软件包提供了出色的追踪算法，可识别细胞分裂事件，还集成了相关工具，用于绘制所有与细胞分裂同步的测量结果。

Imaris能够实现3D数据的可视化和虚拟解剖。Imaris癌症研究软件包包含多种空间相互作用测量功能，例如：围绕Surface的物体分布、最短距离、体积重叠和最近邻分析等。所有测量结果具有高度可重复性，并且可以批量处理（自动对多个样本重复相同的分析方法），节省宝贵的分析时间。

现有客户 - 卫星许可证

用于癌症研究的3D显微镜图像分析软件

在寻找和评估新的癌症疗法（无论是化疗、免疫疗法还是放疗）的过程中，研究人员会选择荧光显微镜，来观察细胞培养物或球体系统中细微而动态的相互作用及变化。Imaris可以直接打开并可视化市场上所有格式的显微镜数据集。除此之外，Imaris还提供独特的分割/物体检测工具（如 “Spot” 和 “Surface” ），以便更好地从3D角度可视化和理解样本。

多通道数据可视化（高达数百GB）
自动3D渲染
识别多种文件格式
物体检测
广受认可的算法
运动分析
相互作用分析
对检测到的物体进行机器学习分类

癌症研究者的定量图像分析

图像可视化和分割仅是Imaris深度图像分析的第一步。借助Imaris癌症研究套件，您还能进行更多操作，包括运动分析、基于机器学习或统计学的对象分类、测量对象间相互作用，或以批处理模式对大量样本执行上述所有操作。每项分析最终都会生成分析图，直观展示对象间的关联性。

运动分析

速度
加速度
细胞分裂追踪
轨迹
时间图

定量分析

细胞数量
面积
体积
强度
机器学习分类器

相互作用

最近邻的距离
体积重叠
最短距离
空间分布
分类

批量处理和绘图

图像前处理
测量
相互作用
比较
速度与效率

机器学习物体分类

通过可训练的机器学习分类器（ML）能够基于选定的统计数据或两种特征的组合，对癌细胞、免疫细胞或细胞核进行自动分类。分类后的结果会进行标记，可用于可视化展示、绘图以及后续分析（导出统计数据）。对象的分类和标记支持批量处理。

可训练的机器学习分类器
基于细胞局部环境或内在特征进行细胞分类
支持批量处理——可自动在多张图像上运行
可对不同类别进行比较

绘图工具和数据挖掘

Imaris癌症研究软件包包含一个无缝集成的工具ImarisVantage，用于探究实验组（如对照组与测试组）之间的差异。它可以创建交互式图表，帮助展示物体测量值或物体组之间的关系、模式和差异，揭示潜在联系。

二维散点图
测量值与事件同步的时间视图
参考物体周围随机分布的空间分布图
用于组间比较的单维箱线图
组间比较：t检验、F检验、Wilcoxon检验、Kolmogorov-Smirnov检验
交互式物体展示库
交互式多维物体散点图

客户出版物

Powered by Bioz See more details on Bioz

更多资源

Imaris学习中心提供丰富的教程视频、操作指南及网络研讨会，助您全面掌握Imaris的各项功能。以下链接将引导您了解我们最新推出的功能：

A 3D View of Glioblastoma’s Cellular Dynamics

Researchers led by Maria Alieva from the Hubrecht Institute and Princess Máxima Center for Pediatric Oncology, both in the Netherlands, have incorporated Imaris software ...

Watching New Immunotherapy Fight Cancer in Real Time

Immunotherapy is a new type of treatment that uses the body’s own immune system to fight cancer. Although it is an important treatment option for many cancers, immunothera...

Creating Impactful Scientific Animations with Imaris 10.2: Advanced Techniques for Biological Research

In biological research, effective visualisation is crucial for communicating complex scientific findings. This webinar, tailored for researchers across all biological discipline...

在学习中心中查看更多内容

沪ICP备17031777号-1

公安机关备案号31010402003473