靈活的模塊化硬件
scanR篩選工作站將基于顯微鏡設(shè)置的模塊化和靈活性與高內(nèi)涵篩選需求的自動化、速度和效率相結(jié)合。模塊化設(shè)計適合標準分析和分析開發(fā)，讓scanR工作站適用于研發(fā)應(yīng)用或多用戶環(huán)境。

綜合性軟件

scanR解決方案靈活開放的設(shè)計讓其成為日常和*級應(yīng)用的有效工具。其旨在滿足現(xiàn)代細胞生物學、分子生物學、1.系統(tǒng)生物學和醫(yī)學研究中的定量成像和圖像分析要求。

2.生物樣品的全自動圖像采集和數(shù)據(jù)分析

3.針對多孔板、載玻片和定制陣列而設(shè)計

4.用于生物功能測定的強大分析模塊

5.適合分析開發(fā)和高內(nèi)涵篩選

6.可用于固定細胞和活細胞
分析示例
在藥*發(fā)現(xiàn)篩選中，已建立的協(xié)議可用于顯示化合物在細胞水平的生物化學作用?？梢岳靡幌盗袠藴驶治鰷蚀_評估基因表達水平的藥*誘導(dǎo)變化。scanR解決方案在測量細胞凋亡、微核或DNA片段化（彗星試驗）的常規(guī)篩選方面表現(xiàn)出色，并涵蓋了許多研究領(lǐng)域的各種篩選應(yīng)用。
·細胞計數(shù)
·基因表達
·細胞內(nèi)運輸
·易位
·細胞增殖
·早幼粒細胞白血病（PML）身體測定
·細菌和病毒感染試驗
·細胞周期分析
·細胞陣列篩選
·蛋白質(zhì)定位和共定位
·包括動力學分析以及對所得響應(yīng)曲線圈門的活細胞測定
·多色分析
·稀有事件分析
·自動FISH分析
·組織切片中的熒光分析
·細胞遷移

靈活的模塊選項

scanR的設(shè)計不僅滿足全自動高內(nèi)涵篩選系統(tǒng)的特定速度、耐久性和可靠性要求，還具備無y倫b的靈活性和適應(yīng)性以及廣泛的擴展能力。這些讓scanR能夠匹配任何應(yīng)用和預(yù)算的規(guī)范要求。其他選項列表包括諸如基于深度學習技術(shù)的自主學習顯微鏡模塊、使用動力學模塊測量動力學參數(shù)的模塊、高速3D反卷積模塊、基于IX83的紅外（IR）激光硬件自動聚焦的集成ZDC等等。

圈門和分類

1.基于流式的強大數(shù)據(jù)分析概念已成功應(yīng)用于大圖像數(shù)據(jù)集分析的需求。

2.多維圖像數(shù)據(jù)以二維散點圖或一維直方圖顯示；可使用圖形工具選擇感興趣的聚類數(shù)據(jù)群

3.來自不同散點圖的圈門可以與布爾運算組合創(chuàng)建復(fù)雜分類方案

分層圈門方法可以直觀地選擇群，也可以直接畫廊展示。
目標檢測與分析
1.強大的目標檢測模塊可以分割細胞核、細胞或其他結(jié)構(gòu)
2.選擇多種檢測算法并根據(jù)感興趣的目標進行調(diào)整
3.基于分割結(jié)果，可從超過100個目標參數(shù)列表中選擇所要提取的特征
4.助力各類基于細胞的分析

下面圖像截屏詳細說明了scanR采集數(shù)據(jù)后對圖像的檢測和分割。由德國海德堡EMBL R. Pepperkok博士提供。

即時質(zhì)量控制

1.圖像和目標與其相關(guān)數(shù)據(jù)點相互關(guān)聯(lián)：

2.單擊數(shù)據(jù)點則會在顯示窗口中加載相關(guān)圖像并突出顯示相關(guān)對象

3.單擊圖像顯示窗口中的對象可突出顯示散點圖和直方圖中的相關(guān)數(shù)據(jù)點

4.創(chuàng)建門控數(shù)據(jù)群或選定的所有圖像的圖庫視圖，從而便于將大圖像集與相關(guān)信息進行直接、可視化的比較

結(jié)果會在熱圖中可視化顯示或輸出到表格中。顯示全孔概覽非常簡單。
用動力學模塊測量動力學參數(shù)
1.可以通過時間變量對活細胞、細胞核和其他目標進行分類
2.根據(jù)隨著時間推移測量的值（諸如強度、面積、比率、形狀因子等平均靜態(tài)參數(shù)）評估跟蹤曲線
3.隨著時間變化評估和分析諸如強度或熒光標記強度、位置、大小或形狀等靜態(tài)參數(shù)
4.曲線濃縮為單一特征值（動力學參數(shù)）
5.在1D或2D直方圖中繪制動力學參數(shù)，并根據(jù)其特定的時間變量繪制門群
表達FUCC（CA）生物傳感器的hES細胞。由英國倫敦弗朗西斯克里克研究所Silvia Santos博士提供。

兩個系統(tǒng)的故事

1.在與scanR解決方案相同的系統(tǒng)上運行奧林巴斯cellSens活細胞成像軟件，您就可以同時使用相同的設(shè)置進行篩選和*端成像

2.利用2D和3D約束迭代反卷積算法，為苛刻的篩選應(yīng)用獲取接近共焦品質(zhì)的圖像細節(jié)

3.快速且便利的算法可以消除離焦模糊以及背景，從而突出重要的結(jié)構(gòu)細節(jié)

4.有助于進行要求高分辨率結(jié)構(gòu)細節(jié)的深度分析

自主學習顯微鏡
經(jīng)過*次性培訓(xùn)階段之后，scanR AI能夠讓系統(tǒng)通過將所學習的分析協(xié)議整合到基于分析的工作流中實現(xiàn)新數(shù)據(jù)的自動分析。由于用戶在訓(xùn)練實驗的設(shè)計上掌握*全控制權(quán)，并且在訓(xùn)練階段可以加入許多具有挑戰(zhàn)性的分析條件，因此提高了分析結(jié)果的準確性和魯棒性。所學到的AI分析協(xié)議可以通過軟件*有的數(shù)據(jù)探索和分析界面進行深入、輕松的驗證，確保您對AI結(jié)果充滿信心。
使用自主學習顯微鏡生成的AI模型對無熒光染色的明場圖形進行分析。Hela細胞的細胞核在訓(xùn)練階段進行GFP標記，以此顯示系統(tǒng)如何對明場圖像進行分析。一種*新思維方式自主學習顯微鏡為高內(nèi)涵分析拓展了*新的視野。應(yīng)用范圍涵蓋了從以前不可能完成的圖像分割任務(wù)到極低信號水平的定量分析、簡化染色方案、無標記分析等。

應(yīng)用示例：在不同信號水平下對細胞核的強大分割，能夠大幅減少定量分析的曝光量。
技術(shù)參數(shù)