讲课内容简介回顾：

通过使用AI而无需编码，轻松学习使用Aivia，解锁对3D空间生物学的更深洞察力。

如何使用人工智能准确地分割具有不同形态的3D细胞

利用您的专业知识和人工智能来识别图像中已知的表型

使用自动聚类探索未知的表型

通过树状图、小提琴图、降维等方法获得对3D组织的更深层次的空间洞察力

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。

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