結果分析：藥物發(fā)現(xiàn)中的細胞特性和質(zhì)量控制
基于手動分析圖像來解答科學問題既費時又低效。盡管有很多工具試圖幫助您又快又有效的分析圖像，但提取可操作的數(shù)據(jù)并非易事。圖像必須經(jīng)過處理去除系統(tǒng)和樣本引入的偽影，并對圖像進行恰當?shù)姆指钐幚硪宰R別出感興趣的生物學特征。集合中的每個圖像需要進行統(tǒng)一轉換，才能進行有效的對比。
為了向您提供更多更好的數(shù)據(jù)，讓您能胸有成竹地選擇“勝出者”，推進藥物開發(fā)項目，我們提供的軟件可以消除偽影、分割圖像并分析相關生物學目標，以確?？煽吭佻F(xiàn)真實的生物信號。
閱讀更多信息：
可靠分析大數(shù)據(jù)集
原始數(shù)據(jù)必須經(jīng)過多個步驟的處理，才能成為可以被有效統(tǒng)計分析的數(shù)據(jù)集。在96孔板中進行的活細胞試驗中，一千張圖像是很合理的數(shù)據(jù)集尺寸（如需獲取多個通道，如紅色熒光/綠色熒光/透射光，圖像數(shù)量可以更多）。在分析大圖像集時，必須確保操作集適用于整個集合（如死細胞或活細胞）。傳統(tǒng)的圖像分析軟件無法高效評估各種圖像，因此在分析典型的活細胞微孔板試驗時很不實用。我們的軟件具有內(nèi)置解決方案，可將原始圖像大規(guī)模轉化為可操作性的數(shù)據(jù)，從而滿足您的需求。
采用軟件識別相關的生物學目標
充分處理圖像后，下一步是通過合理分割圖像識別感興趣的生物學目標。在最簡單的圖像掩模方法（即“閾值分割”）中，分析高于特定閾值之上的像素，忽略低于特定閾值的像素。還可以采用布爾邏輯（如：和、或、非）控制的多重掩模對較為復雜的相互作用進行分析，以專注于感興趣的具體像素。不過，此類分析很耗時并且具有主觀性。專用軟件專注于分析與特定科學問題相關的數(shù)據(jù)，可更快捷、更客觀地分析圖像。