基于人工智能的工作流程通過Aivia驅動的自主顯微鏡快速檢測活生物樣本中的稀有事件
對稀有事件進行定位和選擇性成像是許多生物樣本研究過程的關鍵。然而，由于時間限制和高度的復雜性，有些實驗無法做到，從而限制了獲得新發(fā)現(xiàn)的前景。
基于人工智能顯微成像的
稀有事件檢測工作流程
通過基于人工智能的顯微成像檢測稀有事件，這種工作流程將智能樣本導航、圖像采集工具和人工智能驅動的圖像分析等不同功能融合起來共同協(xié)作，能夠克服上述局限性。
STELLARIS上Aivia驅動的自主顯微鏡為日常實驗室工作提供了非常高效的運行方式，包括執(zhí)行那些沒有自動程序或大量人工操作就無法完成的高級實驗。
為什么使用人工智能顯微成像？
在生命科學領域使用成像技術的根本原因是能夠生成數(shù)據(jù)來回答生物學問題。通常會將圖像采集與高級圖像分析結合起來實現(xiàn)這個目標。
常規(guī)成像方法需要操作人員不斷進行人機交互，使用顯微鏡系統(tǒng)在樣本上搜索合適的對象或感興趣區(qū)域（ROI），進行適當?shù)淖罴褕D像采集設置，然后決定掃描這些ROI。這種人工決策的實驗工作流程的性質決定了只有容易控制的少數(shù)ROI能被精確定位，而且采集ROI圖像需要大量時間。使用由Aivia驅動的自主顯微鏡，則能夠在實驗一開始完成設置后就自動進行稀有事件檢測工作流程。
實驗開始后，就會立即進行低分辨率預掃描、檢測稀有事件以及采集和存儲高分辨率3D圖像，無需任何人工干預。這種方法的顯著優(yōu)勢在于整個過程高速進行，并能在實驗過程中檢測到大量稀有事件。
如何使用Aivia驅動的自主顯微鏡
檢測稀有事件
自主顯微鏡可自動檢測這類ROI或稀有事件（RE），無需人工干預，因此能使復雜的顯微鏡工作流程自動化。
在這個自主工作流程中，第一步先生成低分辨率二維（2D）概覽圖像，并立即將其傳輸?shù)剿B接的基于人工智能的圖像處理（Aivia）系統(tǒng)。該系統(tǒng)通過像素分類器檢測由操作人員預先定義好的稀有事件，并將稀有事件坐標發(fā)回成像系統(tǒng)，系統(tǒng)再根據(jù)操作人員要求（例如高分辨率和三維（3D）數(shù)據(jù)堆棧）掃描這些稀有事件。通過這種方式生成的數(shù)據(jù)：
與感興趣對象密切相關
因為采用了自動化拍攝，所得數(shù)據(jù)具有統(tǒng)計相關性
圖1：稀有事件檢測工作流程
使用人工智能驅動的顯微成像發(fā)現(xiàn)稀有事件，提高數(shù)據(jù)質量
對稀有事件進行高度特異性掃描可大幅提高所采集數(shù)據(jù)的整體質量，因為獲得的都是真正感興趣的數(shù)據(jù)。這種方法可確保有針對性地掃描，至多獲得到90%的稀有事件。同時，不再因對稀有事件進行耗時且高成本的人工搜索而造成很長的“閑置時間"，因此顯微鏡系統(tǒng)可實現(xiàn)高效運行。
圖2：通過約5個多小時自動圖像采集獲取的50微米厚的人腦切片（阿爾茨海默病供體）圖像，所標記的感興趣對象顯示了3D高分辨率圖像堆棧，檢測到516個稀有事件。
樣本由德國慕尼黑路德維希-馬克西米利安大學病理學和大腦研究中心 Jochen Herms 教授提供。
更快地得到結果，節(jié)省圖像采集時間和磁盤空間 - “擺脫無效數(shù)據(jù)！"
除了對稀有事件進行高度特異性掃描外，自主顯微成像還能采集與稀有事件目標無關的數(shù)據(jù)?？赏ㄟ^以目標為導向的方式掃描感興趣的對象，這一方面可以在很大程度上防止生成無效數(shù)據(jù)，另一方面能以高度定性的方式提供所采集的數(shù)據(jù)，便于后續(xù)圖像分析。所采集的對象始終位于掃描區(qū)域的視野（FOV）中心，因此可以實現(xiàn)上述優(yōu)點。
圖3：通過約3個多小時自動圖像采集獲得的細胞有絲分裂圖像。只采集感興趣的對象。感興趣對象顯示了116個檢測到的分裂中期的3D高分辨率圖像堆棧。
提高可重復性，有助于先進的實驗
可重復性是進行可信的生命科學研究的關鍵要素之一。自主執(zhí)行的實驗順序可隨時得到恢復，裝配適當?shù)能浖姹荆⒁韵嗤脑O置重新運行。這個過程能確?？芍貜托?，而手動設置實驗中的成像程序無法做到這一點。此外還可建立高度復雜的顯微成像工作流程并使其自動化，使高級應用更易于使用，而這類應用以前根本無法做到，或者必須依靠大量人工操作。
LAS X Navigator Expert：
Aivia驅動的自主顯微鏡的關鍵組分
LAS X Navigator是一款強大的導航和圖像采集工具，用戶可以從逐個圖像搜索方式切換到快速查看完整的樣本概覽，并能立即識別重要的樣本細節(jié)。它能夠使用玻片、培養(yǎng)皿和多孔板的模板自動設置高分辨率圖像采集。它就像一個用于樣本細胞的GPS定位系統(tǒng)，用戶始終都可通過一條清晰的路徑來獲得高質量數(shù)據(jù)、在樣本中導航、創(chuàng)建快速概覽、立即識別細節(jié)，還可以使用玻片、培養(yǎng)皿和多孔板的模板進行高分辨率圖像采集。
在導航中添加智能功能：LAS X Navigator Expert
Navigator Expert基于Navigator，融合了提供稀有事件處理工作流程的Aivia人工智能圖像處理功能。此外，使用Navigator Expert還可以定義多個掃描任務，將其分配給需要掃描的任意幾何形狀/掃描區(qū)域，用于復雜的成像程序和實驗設置。
圖4：LAS X Navigator Expert（右）和Aivia
Navigator Expert包含兩個模塊：“Jobs"（任務）和“Experiment"（實驗）。在“Jobs"模塊中，可通過普通的STELLARIS LAS X用戶界面設置任何掃描任務。例如，該模塊包括定義自動對焦（AF）任務、低分辨率2D快速概覽掃描任務以及實際稀有事件任務，后者可以進行高分辨率3D掃描。
圖5：Navigator Expert的“Jobs"和“Experiment"兩個模塊與Aivia共同定義了一個檢測稀有事件的自動化工作流程。
設置稀有事件檢測工作流程
稀有事件檢測工作流程的創(chuàng)建十分簡單。定義了需完成的任務后，“Experiment"模塊就會直觀地引導用戶完成各個工作流程步驟：
1
確定載體（玻片、腔室、多孔板）；
2
確定掃描區(qū)域（可基于載體預定義，也可任意定義）；
3
確定焦點位置，分配AF任務；
4
將概覽任務分配給掃描區(qū)域；
5
分配Aivia稀有事件處理程序和稀有事件任務。
最后，像素位置中會列出Aivia稀有事件處理程序檢測到的稀有事件位置。
圖6：設置工作流程
要創(chuàng)建Aivia稀有事件處理程序，只需使用事先通過概覽掃描任務采集的一些圖像對Aivia像素分類器進行訓練。使用簡單的繪圖工具，對需要的稀有事件進行標注，并確定圖像的背景。這樣，像素分類器就可以從概覽掃描圖像中獨立檢測到稀有事件。
圖7：在Aivia像素分類器訓練中使用簡單的繪圖工具確定稀有事件和背景。
啟動稀有事件檢測工作流程后，概覽掃描圖像會立即傳輸?shù)紸ivia，后者將檢測到的稀有事件的像素坐標送回到Navigator Expert，以便進行稀有事件掃描。
圖8：概覽圖像和使用Navigator Expert進行稀有事件掃描。
Aivia驅動的自主顯微鏡的優(yōu)勢
除了上述特點之外，基于人工智能的自動顯微鏡還可大幅改進和優(yōu)化實驗。
坐在顯微鏡前的總時間和工作量最多減少75%
高價值數(shù)據(jù)的采集時間最多可大幅縮短70%
低質量數(shù)據(jù)的存儲需求最多可減少90%
提高稀有事件檢測的可重復性
利用人工智能提高數(shù)據(jù)質量
稀有事件工作流程行之有效：檢測到高達90%的稀有事件
