- 综合排序
- 最热优先
- 最新优先
- 来自专栏最新医学影像技术
BvEM2024——体电子显微镜生物血管分割
今天将分享体电子显微镜生物血管分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。 与宏观水平成像（例如 CT 和 MRI）和中尺度成像（光学显微镜）相比，体电子显微镜（VEM）可以揭示包括内皮细胞、神经胶质细胞和神经元在内的详细超微结构（图 1b）。 近年来，由于成像技术的快速进步，VEM的样本量显着增加，覆盖了小鼠大脑皮层和人脑的所有层，以及苍蝇的整个大脑。 下载链接： https://huggingface.co/datasets/pytc/BvEM/tree/main 四、技术路线 采用海森矩阵增强来分割提取血管，详情请参考这篇文章医学图像处理案例（六
36010编辑于 2024-01-15 球差校正扫描透射电子显微镜（STEM）数据处理步骤
球差校正扫描透射电子显微镜（STEM）数据处理步骤--测试狗扫描透射电子显微镜（STEM）是一种强大的显微分析技术，广泛应用于材料科学、生物学等领域。 球差校正STEM技术的出现，进一步提高了STEM的分辨率和图像质量。掌握球差STEM数据处理步骤，有助于充分发挥这一技术的优势，为科学研究提供有力支持。 球差校正技术通过对光学系统进行优化，减小球差对图像质量的影响。球差校正STEM通过在探测器下方加入一个球差校正器，使电子束在通过样品时具有更高的平行度，从而提高图像分辨率。
91710编辑于 2024-08-06- 来自专栏Chris生命科学小站五年归档
【Mol Cell】分子和细胞生物学中的冷冻电子显微镜（Cryo-EM）（一）
引言： 分子和细胞生物学中的冷冻电子显微镜技术现状 经过数十年的渐进发展，冷冻电子显微镜（cryo-EM）成像技术终于引起了更广泛的结构生物学家和细胞生物学家的关注，这在以前只是由一小部分专家所关注的领域 这场热潮大约在2012年开始，那时直接电子探测器出现，加上软硬件的其他先进技术，使这个领域迅速进入了高分辨率的生物分子结构研究，包括那些过去难以解析的大分子结构。 尽管冷冻电子显微镜可以解析比X射线晶体学更复杂的样本，但样本的纯度和稳定性越高，后续的步骤就越快，越直接。 作为比较，A4/信纸的长度到厚度比约为1000³；对于冷冻电子显微镜样本，这个比例是10,000³。 使用喷墨或类似的技术，高速喷雾设备用于将微小的液滴分散到栅格上，然后它们落向冷却剂，从而将样本应用和冷冻之间的时间缩短到10-100毫秒范围（综述，请参见Klebl等人，2020年）。
78520编辑于 2023-08-29 - 来自专栏最新医学影像技术
SNEMI3D2022——电子显微镜图像神经元3d分割
今天将分享电子显微镜图像神经元3d分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。 一、SNEMI3D2022介绍 在该挑战中，使用一整套电子显微镜 (EM) 切片来训练机器学习算法 ，以实现 3D神经突的自动分割。 这种成像技术以高度各向异性的方式可视化生成的体积，即x和y方向具有高分辨率，而z方向具有低分辨率，主要取决于串行切割的精度。 为了衡量EM神经突自动分割的最新技术水平并比较不同的方法，结合 ISBI 2013 会议组织 EM 图像中神经突的3D分割 (SNEMI3D) 挑战。 四、技术路线 任务1、神经细胞核3d分割 1、由于数据是以tif格式存储的，首先需要将tif图像转换成体数据格式。
69630编辑于 2023-09-20 - 来自专栏用户8925857的专栏
重大发现！！！有助于延长电子元器件寿命的重大发现
全球每年扔进垃圾填埋场的失效电子器件有几千万吨 澳大利亚航空航天机电工程学院的研究人员利用先进的现场电子显微镜能观察铁电疲劳的发生。 这个技术使用一种先进的电子显微镜能够实时“看到”纳米级水平和原子水平的铁电疲劳发生过程。 领导这项研究黄乾伟博土说:“虽然人们早就知道铁电疲劳会缩短电子器件的寿命,但是,在此以前,由于没有合适的技术来观察它,一直不能很好地了解铁电疲劳是怎样发生的。” 该论文的联合作者陈子斌博士说:“有了这个现场电子显微镜,我们希望能为延长器件寿命的设计提供更多的信息。” 陈博士说:“我们的发现表明,接口可能会使铁电降解的速度加快。
41380编辑于 2022-07-07 - 来自专栏智药邦
Nature｜利用冷冻电镜技术架起结构生物学与细胞生物学的桥梁
本综述探讨了通过单粒子冷冻电子显微镜（cryo-EM）和冷冻电子断层扫描（cryo-ET）这两种姊妹方法对冷冻分子和细胞进行的研究。 背景 冷冻电子显微镜的出现极大地促进了对大型功能复合物以及一般难以表达、纯化和/或结晶的样品的研究。尽管如此，冷冻电子显微镜仍然需要优化，因此需要在大分子运行和共存的自然环境之外进行可视化。 相反，细胞生物学家一直在使用一些快速发展的技术为细胞成像，这些技术不断扩大其空间和时间范围，但仍达不到理解化学的分辨率。因此，结构生物学和细胞生物学为细胞的内部运作提供了互补但又互不关联的视角。 cryo-EM和cryo-ET的技术进步 在过去十年中，多项技术突破改变了cryo-EM和cryo-ET的功能。对这两种方法影响最大的是更好的探测器技术发展和商业化。 这些薄片或薄层将被导入透射电子显微镜，并通过cryo-ET成像，这是最常见的方法。
1.4K10编辑于 2024-04-19 - 来自专栏Chris生命科学小站五年归档
【Mol Cell】分子和细胞生物学中的冷冻电子显微镜（Cryo-EM）（三）
原子模型的拟合和验证 有许多工具可用于将原子模型拟合和构建到冷冻电子显微镜地图中。 一些最初为晶体学中的原子建模开发的程序已经被修改用于电子显微镜地图。 如上所述，这些系统通常对于直接使用冷冻电子显微镜进行检查太厚，需要使用冷冻切片或者离子束磨削等变薄方法以制作适合电子层析的样品。为了定位感兴趣的区域，需要对荧光和电子显微镜进行相关性分析。 关联程序需要多个步骤将冷冻样品在荧光，双束扫描电子显微镜/离子束系统和冷冻传输电子显微镜之间转移，每个步骤都有其污染或损坏的风险，并且需要软件来跟踪几何变换以进行精确的目标定位。 不同的方法是将质谱法的蛋白质组学数据与冷冻电子显微镜进行关联，这在本卷的文章中有所描述（Klykov等人，2022）。 结论 冷冻电子显微镜正在对结构生物学产生深远的影响，并且越来越影响细胞生物学。
88920编辑于 2023-08-29 - 来自专栏机器之心
前沿 | 谷歌AI脑神经元绘制法登上Nature子刊：速度提升一个数量级
这一过程需要对大脑组织进行纳米级的 3D 成像（通常使用电子显微镜），然后分析成像数据结果以追踪大脑的神经突触并识别单个突触连接。 该论文介绍了一种新型的循环神经网络，该网络在自动解读连接组学数据的准确性方面比以往的深度学习技术提高了一个数量级。 展望 谷歌研究人员表示，他们在未来将继续改进连接组重构技术，目标是实现突触级分辨率连接组的全自动化，并为马克思·普朗克研究所及其他机构的连接组项目作出贡献。 为了帮助支持更大的研究团队开发连接组技术，他们开源了泛洪算法网络方法的 TensorFlow 代码（https://github.com/google/ffn/）以及用于 3D 数据集的 WebGL 可视化软件 我们使用泛洪网络跟踪数据集中的神经元，数据是使用肖特基场发射扫描电子显微镜观察斑胸草雀大脑获得。
72820发布于 2018-07-26 - 来自专栏hotarugaliの技术分享
DIP概述
在物理学和相关领域，计算机技术通常用于增强如高能等离子和电子显微镜等领域的实验图像。 用于机器感知的应用方向有： 机器感知中使用的信息类型的例子有统计矩、傅里叶变换和多维距离度量。 检测到这些射线后，就可以利用断层技术（见下文 X 射线成像中的 CT 技术）的基本原理创建断层图像。 X 射线成像 X 射线是最早用于成像的电磁辐射源之一。 电子显微镜方法 电子显微镜的功能与光学显微镜一样，只不过是用一个聚焦的电子波束代替光束形成图像标本。电子显微镜的操作包括下面几个基本步骤：由电子源产生一个电子流，用正电势朝着标本加速。 所有电子显微镜均执行这些基本步骤。 透射电子显微镜（TEM）：其工作原理很像一台幻灯片投影仪，投影仪发射出一束透过幻灯片的光；当光通过幻灯片时，它由幻灯片的内容调节。 然而，与图像增强不同，图像增强是主观的，而图像复原是客观的；在某种意义上说，复原技术倾向于以图像退化的数学或概率模型为基础，而增强技术以什么是好的增强效果这种人的主观偏爱为基础。
1.8K30编辑于 2022-03-18 - 来自专栏智药邦
AI+GPCR新药开发｜Deep Apple完成5200万美元A轮融资
Deep Apple拥有强大的发现引擎，结合了超大型库的集合低温电子显微镜、深度学习和分子对接筛选，可以在不到12个月的时间内完成从靶点识别到先导物优化的过程--这只是行业标准时间的一小部分--并且可以探索传统发现方法无法触及的生物靶点信号 Deep Apple药物发现引擎以其学术联合创始人的领先专业知识和技术为基础，他们分别是：斯坦福大学Georgios Skiniotis博士，他是低温电子显微镜和GPCR结构生物学领域的世界领军人物；加州大学旧金山分校 通过机器学习处理低温电子显微镜数据，我们可以揭示与信号伴侣相互作用背景下的生物相关构象--静态模型和经验筛选方法可能会遗漏的瞬时结合口袋。 我们的虚拟大规模对接技术使我们能够迅速为正确的靶点找到正确的药物。” Deep Apple将集合低温电子显微镜（ensemble cryo-EM）、深度学习和使用公司专有的Orchard.ai™算法生成的数十亿化合物库的对接结合起来，探索受体构象。
31710编辑于 2024-03-05 - 来自专栏机器之心
AI+显微镜：更清晰、更快速、更精确
电子显微镜：使用电子来展示物件的内部或表面的显微镜，可观察到单一原子。主要包括透射电子显微镜（TEM）、扫描电子显微镜（SEM）、场发射扫描电子显微镜、扫描透射电子显微镜等类型。 1986年，恩斯特·鲁斯卡因研制第一台透视电子显微镜获得诺贝尔物理学奖。 2017年，雅克·杜博歇、约阿希姆·弗兰克、理查德·亨德森因研制用于溶液内生物分子的高分辨率结构测定的低温电子显微镜获得诺贝尔化学奖。 图示：电子显微镜。 （来源：腾讯科技） 爱威科技股份有限公司作为自动显微镜检验先行者，二十年来一直专注于「基于人工智能和机器视觉技术的医学显微镜形态学检验自动化」技术的研究和相关产品开发，建立了全自动显微镜细胞形态学检测技术平台 2015年成立的聚束科技自主研发生产的高通量、自动化扫描电子显微镜技术，与人工智能技术结合为「AI显微镜」，实现了超高速高分辨跨尺度大规模SEM成像以及海量SEM图像快速测量、统计、分析，自动化生成数据分析报告的全套解决方案
1.5K51编辑于 2023-03-29 - 来自专栏AIGC 先锋科技
SEM-CLIP:用于扫描电子显微镜图像中纳米级缺陷检测的精确少量学习 ！
扫描电子显微镜（SEM）图像中存在的复杂背景图案以及缺陷多样化的纹理特征构成了重大挑战。 传统方法通常受限于数据不足、标签欠缺和较差的迁移性。 为了克服这些局限性，扫描电子显微镜(SEM)等放大成像技术对于仔细检查晶圆表面至关重要。如图1所示，需要先进的方法来准确检测、分类和分析微小缺陷，并确定缺陷的具体起源工艺步骤。 随着人工智能的发展，深度学习技术在这一任务中变得非常有效[23]。已经开发出了多种分类方法。Chen等提出了一种使用PCA和SVM的缺陷识别算法[1]。 郑等人开发了WinCLIP [27]，这是首个使用视觉语言模型进行少样本异常检测的框架，通过引入新的窗口技术结合状态词和 Prompt 模板以提高性能。 此外，由于扫描电子显微镜在对焦问题或不同电子束强度导致的图像亮度变化等因素的影响下可能会产生模糊，因此模板级 Prompt 可以描述这些影响，比如“一张模糊的{}图像”或“一张黑暗的{}图像”。
1.2K10编辑于 2025-03-29 AI4Science之分子材料成像调研洞察
分子成像技术与大数据和AI的结合可以更深入地理解材料的本质特性，为解决能源、环境等领域的关键问题提供新的思路和解决方案。 其中，位形空间成像包括光学显微镜、电子显微镜、扫描探针显微镜；频率空间成像包括X射线衍射、电子衍射、中子衍射。 以电子显微镜STEM(Scanning Transmission Electron Microscopy)为例：卷积神经网络CNN：Identify atom column positionsCluster 从数据集与Benchmark角度，本篇文章搜集了如下业界常用的：电子显微镜降噪：EM_Denoise5GB的仿真数据集，由256x256像素的图片构成电子显微镜分割：EM-stellar通用图像分割识别 构建业界广泛认可的大规模数据集和Benchmark测试存在哪些技术难点？通用图像分割识别模型在分子材料成像领域的应用潜力？去噪的任务跟实验设备相关性较强，建立通用模型是否不可行？
35700编辑于 2025-02-11- 来自专栏ATYUN订阅号
谷歌新突破：AI自动重构3D大脑神经地图，准确度提高一个数量级
这个过程需要对脑组织进行纳米级（通常使用电子显微镜）3D成像，然后分析所得到的图像数据以追踪大脑的神经突并识别个体突触连接。 High-Precision Automated Reconstruction of Neurons with Flood-Filling Networks”，展示了一种新型的递归神经网络，与先前的深度学习技术相比 论文：www.nature.com/articles/s41592-018-0049-4 使用Flood-Filling网络进行3D图像分割 在大规模电子显微镜数据中追踪神经突是图像分割问题的一个实例。 鸣禽连接组学 使用ERL测量100万立方微米斑胸草雀脑中的真实神经元的进展，用连续块面扫描电子显微镜成像，这种方法表现优于以前应用于同一数据集的深度学习方法。 ? 展望未来 谷歌将继续改进连接组重建技术，实现完全自动化突触分辨率连接组件，并为马克斯普朗克研究所和其他地方正在进行的连接组学项目做出贡献。
63830发布于 2018-07-27 1um 以下的光刻深度，凹槽深度和宽度测量
一、引言在半导体制造、微机电系统（MEMS）等高新技术领域，1um 以下光刻深度、凹槽深度和宽度的精确测量至关重要。 这类微小尺寸的测量精度直接影响产品性能与质量，但因其尺寸微小，测量面临诸多挑战，亟需合适的测量技术与方法。二、测量挑战1um 以下的光刻结构与凹槽尺寸极小，传统测量方法难以满足精度要求。 三、常用测量技术（一）白光干涉测量技术白光干涉技术基于光的干涉原理，通过获取干涉条纹信息来实现微小尺寸测量。其具有非接触、高精度等特点，能够分辨微米甚至亚微米级的高度变化。 同时，通过图像处理技术，也能实现凹槽宽度的测量 。（二）扫描电子显微镜（SEM）测量技术扫描电子显微镜利用聚焦的电子束扫描样品表面，通过检测二次电子等信号来获取样品表面形貌。 （三）原子力显微镜（AFM）测量技术原子力显微镜通过检测探针与样品表面的相互作用力来获取表面形貌。
21700编辑于 2025-08-11- 来自专栏量子位
AI算法发现3种新纳米结构，研究时间从1个月压缩到6小时
△扫描电子显微镜图像描绘了AI发现的新型纳米结构 实验来自美国能源部（DOE）布鲁克黑文国家实验室，研究人员用AI驱动的技术，发现了3种新的纳米结构。 其中一种的结构还是非常罕见的“阶梯”型。 自组装是指基本结构单元，比如分子、纳米材料、微米等，自发形成有序结构的一种技术。 所形成的结构稳定，且几何外观具有一定规则。 △X 射线散射数据(左)显示与相应的扫描电子显微镜图像(右)的关键领域的样本 射线运行时，gpCAM在没有人为干预的情况下，创建了一个材料的多个不同结构的模型。 研究人员利用CFN电子显微镜设备对这三个区域进行精确的细节成像，揭示了纳米级梯子的纳米轨和梯度，以及其他一些新特征。 “自主实验可以极大地加速发现。” 量子位《中国AIGC产业全景报暨AIGC 50》正式启动对外征集，期待有更多优秀的机构、产品、案例与技术能够被大众看到。
45320编辑于 2023-02-28 - 来自专栏量子位
颜宁新论文突然上线Nature子刊：结构是AI无能为力的
这篇文章采用了冷冻电子显微镜（cryo-EM）技术来研究人Nav1.7通道与CBD的复合物结构。 然后，使用冷冻电子显微镜技术对复合物进行成像，并对结构进行解析。 颜宁自清华大学生物科学与技术系取得学士学位后；于普林斯顿大学分子生物学系取得博士学位，师从施一公教授；而后也在此从事博士后研究工作。
26720编辑于 2023-08-04 - 来自专栏测试GO材料测试
电子通道衬度成像ECCI优缺点分析-测试狗
电子通道对比成像（Electron Channeling Contrast Imaging, ECCI）是一种利用扫描电子显微镜（SEM）技术，通过观察晶体中电子的特殊散射模式来揭示材料微观结构的高级方法 无需特殊样品制备：与某些需要特殊处理的成像技术相比，ECCI对样品的准备要求相对较低，可以直接在SEM下进行。4. 样品准备与处理表面清洁：确保样品表面无污染，使用适当的清洗或抛光技术，减少表面损伤。精确切割与抛光：采用定向切割和精密抛光技术，以保持晶体取向的完整性。 多技术联用：与EBSD（电子背散射衍射）、TEM（透射电子显微镜）等技术结合，相互验证结果，提供更全面的分析。4. 操作者培训与经验积累专业培训：对操作者进行系统的ECCI技术和晶体学知识培训，提升分析能力。实践与交流：通过实际操作和与其他专家的交流，积累经验，学习最佳实践。
58810编辑于 2025-01-10 - 来自专栏Chris生命科学小站五年归档
【Mol Cell】分子和细胞生物学中的冷冻电子显微镜（Cryo-EM）（二）
英国国家电子显微镜设施在钻石光源同步加速器建立，利用了现有的用户程序、同行评审、运行、数据处理和维护的基础设施（Clare等人，2017）。其他几个国家和国际组织已经效仿这个例子。 单粒子冷冻电子显微镜分辨率的突然提高跟随了直接电子探测器的出现，它们消除了上一代CCD探测器的电子转光转换和慢速记录时间（Li等人，2013；McMullan等人，2016）。 这些都极大地提高了冷冻电子显微镜的信号恢复和效率。 单粒子分析 单粒子工作流程（图2）从预处理开始，包括运动校正、对比转移函数（CTF）估计和粒子选择。
66320编辑于 2023-08-29 - 来自专栏镁客网
石墨烯产品质量堪忧，NUS研究人员证实其纯度过低
这项研究来自新加坡国立大学(NUS)，研究人员利用电子显微镜、原子力显微镜、拉曼光谱仪、元素分析、X射线光电子光谱仪以及扫描和透射电子显微镜对美洲、亚洲和欧洲60家不同供应商的石墨烯粉末进行了分析，最终他们确定 不仅如此，IBM、英特尔、陶氏化学、三星等国际知名跨国企业纷纷将石墨烯及其应用技术作为长期战略发展方向，而且还涌现出了大批专门从事石墨烯研发、生产和应用的机构和企业。
62810发布于 2018-12-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号