▲ 人工智能的分类

人工智能实现的方式有很多种，常见的就是机器学习（Machine Learning）, 机器学习里实用的方法就是神经卷积网络（Neural Network），可以把它理解为一种模型方法，计算机是用神经网络的方法去学的，除此之外还有线性回归、概率图模型、支持向量机、贝叶斯分类器等多种方法。神经网络的层数多了，数据量大了就可以称之为深度学习（Deep Learning）。听上去很复杂，但是蔡司ZEN软件可以让我们轻松地进行人工智能的图像处理。 

蔡司ZEN blue软件的Analysis tab中就配备了基于机器学习的功能模块，主要有Intellesis Trainable Segmentation和Trainable Object Classification，再利用图像分析模块，即可对图像进行有效的分析。

图像的人工智能分割

Intellesis Trainable Segmentation是利用机器学习的方法对图像进行分割的模块，可以帮助没有编程基础的用户对图像进行快速的分割。图像分割是后续所有图像分析的基础，也是目前显微镜成像中具有挑战性的任务。

ZEN Intellesis以Python为基础提供成熟的机器学习方法，例如像素分类（Pixel Classification）和深度学习（Deep Learning），可轻松实现稳健且可重复的分割结果，新手用户也能很容易的上手。用户可以训练一次软件，然后ZEN Intellesis可以一批自动分割数百张图像，可以大量节省时间并大限度地减少用户的人为偏差。

在Analysis tab下的Intellesis Trainable Segmentation模块中新建好一个模型（Model）, 就可以直接点击Start Training开始训练了，如下图。

如果样品十分复杂，甚至可以像这样进行多次训练，进行多次的迭代（把训练过的图再导入进来训练）。训练好的模型可以直接导入到图像分析模块的第三步来进行图像分割与分析。如下图，选择人工智能的方法，选择训练好的模型就可以接着往下进行图像分割与分析了。

在蔡司ZEN blue软件中，除了Intellesis Trainable Segmentation运用了机器学习，其中还有模块也是基于机器学习的。对图像进行分析完了以后，我们可以对分割出来的同类型物体进行分类。

▲ 通过Classification机器学习功能区分不同生长状态的线虫

和上一个模块类似，该模块需要我们圈画出同一类目标里不同的更具体的细节特征，再让软件对这一过程进行学习，进行后续分类。在具体的生物学应用中，我们可以先圈出视野中细胞，再进一步分出有溶酶体或者没有产生溶酶体的细胞。

只要训练好模型，ZEN blue软件就可以对大批量的图像进行自动分割与分析，可以节约大量人力成本，蔡司君希望大家都能更好地用上我们的产品。

免责声明：本平台文章均系转载，版权归原作者所有。所转载文章并不代表本网站赞同其观点和对其真实性负责。如涉及作品版权问题，请及时联系我们，我们将作删除处理以保证您的权益！