Apolo > 实例探究 > EMBL 利用深度学习增强微生物学方法

EMBL 利用深度学习增强微生物学方法

Apolo Logo
公司规模
1,000+
地区
  • Europe
国家
  • France
  • Germany
  • Italy
  • Spain
  • United Kingdom
产品
  • DeepCycle
  • Neu.ro Platform
技术栈
  • Deep Learning
  • AI
实施规模
  • Enterprise-wide Deployment
影响指标
  • Digital Expertise
  • Innovation Output
技术
  • 分析与建模 - 计算机视觉软件
  • 分析与建模 - 机器学习
适用行业
  • 医疗保健和医院
  • 生命科学
适用功能
  • 产品研发
用例
  • 计算机视觉
  • 质量预测分析
服务
  • 数据科学服务
关于客户
EMBL 成立于 1974 年,是欧洲生命科学领域的旗舰实验室。它是一个政府间组织,拥有 80 多个独立研究小组,涵盖分子生物学的各个领域。EMBL 在六个地点开展业务:海德堡、巴塞罗那、汉堡、格勒诺布尔、罗马和 EMBL-EBI 欣克斯顿。该组织以其分子生物学研究而闻名,并致力于开发该领域的新技术和方法。EMBL 的研究由来自 80 多个国家的 1600 多名员工进行,其预算由其成员国的公共研究资金资助。
挑战
欧洲生命科学旗舰实验室 EMBL 的研究人员希望利用深度学习来增强传统微生物学方法。他们的目标是重建构成细胞生命周期的复杂生物现象。由于细胞生命周期的复杂性和传统微生物学方法的局限性,这是一个重大挑战。EMBL 在欧洲设有六个站点,拥有 80 多个独立研究小组,涵盖分子生物学的各个领域。挑战在于开发一种解决方案,可以准确模拟细胞生命周期并提供对复杂生物过程的洞察。
解决方案
EMBL 与全球 AI 研究人员合作开发了 DeepCycle,其中包括 Neuromation 首席研究官 Sergey Nikolenko 和高级 AI 研究员 Alexander Rakhlin。DeepCycle 是一种 AI 驱动的技术,可以模拟细胞的生命周期——它们如何生长和分裂。该解决方案是在 Neu.ro 平台上开发的,该平台旨在开发和部署 AI 和机器学习解决方案。使用大约 260 万张犬肾细胞的显微镜图像,这种新颖的深度学习模型能够仅基于视觉数据重建复杂的生物现象。这种创新方法在癌症研究和其他医疗保健领域具有潜在的应用价值。
运营影响
  • Developed DeepCycle, an AI-driven system that models the lifecycle of cells.
  • Used approximately 2.6 million microscopy images of canine kidney cells for the deep learning model.
  • Successfully reconstructed complex biological phenomena based solely on visual data.
  • Potential applications in cancer research and other areas of healthcare.
数量效益
  • Developed a deep learning model using 2.6 million microscopy images.
  • Potential to significantly enhance cancer research through AI-driven cell lifecycle modeling.
  • Opens up new possibilities for understanding complex biological processes.

Case Study missing?

Start adding your own!

Register with your work email and create a new case study profile for your business.

Add New Record

相关案例.

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。