Aivia go
Aivia Go 提供一个统一平台，上面配备了最先进的图像可视化与分析工具，包括多个 AI 驱动的功能，以满足您复杂的图像可视化与分析需求。简单的分段工作流程和批量处理能力可以快速得出结果，帮助您从数据直接跃升到发表。
Aivia Go 支持从 2D 到 5D 图像分析任务（如检测和追踪）的广泛应用。Aivia Go是研究实验室的显微成像系统的理想订阅计划。无需具备计算机专业知识。
图像分析方案
为最热门的分析应用部署一系列2D至5D的图像分析方案：
细胞核计数和追踪
细胞计数和追踪
粒子计数和追踪
细胞增殖检测
神经生长
细胞追踪（相差对比）
伤口愈合检测（相差对比）
干细胞集落检测（相差对比）
AI 分类器
利用机器学习工具，结合您的专业知识，增强、分割和分析您的数据集
像素分类器：极致简化了从2D到5D数据集的图像增强和分割
对象分类器：轻松分类对象并识别新的表型并识别新的表型
预训练的深度学习模型
轻松应用任何Aivia的预训练深度学习模型（20+）来处理数据集，用于图像增强和分割。
批量处理
以批处理模式应用方案、深度学习模型和像素分类器
文件读取和渲染
读取 40 多种显微镜文件类型，并渲染多通道 2D 至 5D 图像，最大体积可达 3TB（原始大小），包括检测到的数百万个对象、细胞、神经元和轨迹
多种分享数据的方式
Aivia 的高质量多媒体工具能够捕获快照、创建 2D 至 5D 视频，并与您的团队分享结果
Python 插件
使用自定义 Python 脚本来扩展 Aivia 的图像处理功能
技术支持和软件升级
在您的订阅期间，可以访问 Aivia 的最新版本以及我们高资质的技术支持团队，以获取技术和应用支持
专业开发与支持
Aivia 图像分析专家在此助您实现图像分析洞察目标。我们快速的开发流程确保 Aivia 解决方案融合了人工智能显微镜、图像分析和可视化方面的最新增强功能，让您能够应对复杂且不断变化的需求。
2023年4月24日，我们有幸邀请到了空军军医大学基础医学院王亚云教授课题组成员之一，李淑娇来同大家分享了团队开发的一种基于AI和VR的线粒体可视化技术，这项技术为解决神经元线粒体网络可视化和量化的难题提供可能。
满血复活之后，你是不是也恢复了往日的忙碌？也许你一直在忙碌，像那些从来没有咩过的小伙伴一样。
那么，你在忙什么？
数细胞？检测它们的生长状态？
量一量它们的大小？找到阳性个体？
想不想简单、快速、自动得到结果？
数据太大？处理太复杂？
想不想让分析批量化？
AI， 解决多种类型的细胞分析，帮助你快速拿到结果。B本次Aivia网络课堂我们介绍了多种细胞的识别统计方法并例举了日常应用。
2022年11月2日再北京脑科学与类脑研究中心二期举办第一期Aivia人工智能分析软件应用会。这次我们有幸邀请到赵瑚老师及参与AI软件测试与推广的Hoyin LAI(赖颢贤）经理，与我们分享最新的技术。会议采取讲座与操作演示组合的方式，与大家共同体验沉浸式数据分析之旅。
人工智能不仅仅是一个流行语
Aivia使用先进的AI工具为数据量身打造增强、分割和预测工具，实时展示数万亿个体素和数千个对象，允许我们在沉浸式环境中交互探索3D/4D数据集。本视频，我们将介绍AI模型分割多种成像数据的效果，使用智能追踪工具进行快速神经元重建，并结合Aivia的AI工具和诀窍，定制专属的图像分析工作流程，以实现高效的批量图像分析。
常用的数据分析包括计数、定位、共定位、荧光强度、体积、面积、表面积、周长、直径等数据的测量。
经典的图像分析流程可以概括为：图像导入分析软件 → 分割结构信号 → 得到统计数据
实际的图像分析流程往往包括：图像导入分析软件 → 图像预处理 → 分割结构信号 → 批量分析 → 分割结果后处理→ 得到统计数据 → 识别感兴趣结构
这些步骤不仅增加了数据分析的工作量，也成为了图像分析初学者的入门障碍——繁多的预处理滤镜选项不仅要求使用者掌握大量的背景知识，其搭配组合的选择也要求使用者熟知各种滤镜的参数调节和效果，以获得预期的结果。
在本期网络课堂中，我们将从图像导入到结果输出，更全面地了解数据分析流程，其中多种可能性及人工智能工具的应对方法。
在过往的网络课堂中，我们与大家分享了图像的展示，视频录制输出，计数及形态测量，共定位，以及Aivia AI 工具中的机器学习部分。
在本期网络课堂，我们有幸邀请到了上海科技大学生命学院分子影像平台主任李晓明老师。李老师在日常工作中接触了大量的数据分析工具，并熟知这些工具的用法。在这次培训会中，李老师将为大家全面地介绍图像分析工具及其发展，带领大家梳理数据处理的各种思路。随后，我们的应用专家邓广杰先生将在 Aivia 软件中演示如何创建和应用深度学习模型进行生物图像分析。
本期网络课堂将会涉及：
1.生命科学微观研究的关键痛点在下游图像分析；
2.细胞/组织图像分析类型；
3.Deep learning在生命科学中的应用；
4.AIVIA智能图像处理软件介绍
本期网路课堂将会涉及：
1. Aivia历史版本回顾&Aivia功能简介
2.Pixel Classifier功能介绍
3.Object Classifier功能介绍
4.调用已存的Pixel Classifier训练文件
5.3D线粒体Pixel Classifier画图技巧
6.3D果蝇胚胎Pixel Classifier画图技巧
7.Smart Segmentation参数调节
8.细胞电镜Object Classifier数据处理
9.细胞电镜各Object之间间距分析
10.3D果蝇胚胎Mesh使用Recipe分析，及线上问题解答
本期网路课堂将会涉及：
1.Aivia Community上机操作
2.Channel Settings 原始数据展示及调节
3.Object Set Settings 渲染结构展示及调节
4.Tag 标签的使用方法
5.Aivia Wiki （使用说明）页面介绍
6.Clipping Plane 使用方法
7.Video Animator 使用方法
8.机器学习结果示例
发育生物学是一门研究生物体从精子、卵子发生, 形成受精卵, 然后生长发育直至衰老、死亡的过程及机理的一门学科。发育是一个高度动态的过程, 会涉及多个时空尺度：空间从亚细胞分子过程到组织形态转换, 时间跨度从几分钟到数年不等。
显微成像是细胞、发育生物学研究中重要的工具，可以说从细胞、组织的培养，到精细结构观察，功能研究，显微镜几乎贯穿始终。然后，在我们得到丰富的图像后，如何从中抽丝剥茧，获得关键性数据结果，仍然是图像分析中一大挑战。在本次分享中，徕卡的小伙伴会为大家介绍徕卡家族的新成员AIVIA
