ZEISS arivis Cloud

¿Pierde un tiempo valioso procesando las imágenes manualmente? ¿Tiene problemas con imágenes complejas y multidimensionales que generan resultados irregulares? El aprendizaje profundo se apoya en la automatización para afrontar los desafíos del análisis de imágenes, los cuales no se pueden automatizar mediante los métodos tradicionales (p. ej,. algoritmos de segmentación manual y aprendizaje automático simple).

La interfaz fácil de usar de ZEISS arivis Cloud facilita el entrenamiento de sus propios modelos de aprendizaje profundo para la segmentación de imágenes, sin necesidad de codificación. Cualquier persona de su laboratorio puede entrenar rápidamente modelos de IA sin necesitar la ayuda de un especialista en imágenes. Los modelos pueden exportarse e integrarse con facilidad en los flujos de trabajo de análisis de imágenes automatizados de los productos de software ZEISS, tales como ZEN, ZEN core y ZEISS arivis Pro.

ZEISS arivis Cloud le permite aprovechar al máximo los recursos informáticos independientes. También incorpora una funcionalidad de uso compartido que permite la anotación colaborativa sencilla de las regiones de interés y la visualización de los resultados del análisis por parte de todo su equipo u organización.

La mejora de la precisión en la segmentación para el análisis de imágenes gracias a la IA abre la puerta a varias aplicaciones que se derivan de ella y que eran imposibles de materializar con los métodos de segmentación tradicionales. La IA sitúa en un primer plano la personalización de los análisis.

ZEISS arivis Cloud ofrece dos tipos de modelos de segmentación: segmentación semántica (basada en píxeles) y segmentación de casos (basada en objetos). Puede seleccionar el tipo de modelo de segmentación apropiado para su tarea concreta al comienzo del entrenamiento del modelo de IA.

• Modelos de segmentación semántica (basada en píxeles) para identificar el área cubierta por sus estructuras de interés.
• Modelos de segmentación de casos (basada en objetos) para identificar y resaltar objetos de forma individual incluso cuando están en contacto.