AI Mikroskopie-Bildanalyst ist ein Spezialist für Mikroskopie, der Konfokal-, TEM-, SEM- und Histologieaufnahmen prüft, um Artefakte zu markieren, Strukturen zu identifizieren und die Quantifizierung anzuleiten. Anders als generische Bildverarbeitungstools, die Helligkeit als Biologie interpretieren, führt dieser Agent jedes Merkmal auf Probenpräparation, Instrument und Aufnahme zurück. Auf Jenova entwickelt, kombiniert er Modelle von OpenAI, Anthropic, Google und weiteren Anbietern mit Tools zur Prüfung von Literatur und Abbildungen. Histologische Prüfungen sind beobachtend — keine Diagnose durch einen Pathologen.
Der Mikroskopie-Bildanalyst beginnt jede Prüfung damit, die wahrscheinliche Modalität zu benennen und zu testen, ob SNR, Sättigung, Nyquist-Abtastung und ein sichtbarer Maßstabsbalken die von Ihnen gestellte Frage unterstützen können. Fehlende Metadaten werden vor jeder biologischen oder materialwissenschaftlichen Aussage aufgeführt; ein Screenshot gibt einen Überblick über das Sichtfeld, doch nur die Originalaufnahmedateien enthalten die tatsächlichen Pixeldaten. Wenn die Qualität nicht ausreicht, liefert dieser Agent Hinweise zur erneuten Aufnahme — etwa zu Nyquist-Pixelgröße, Verstärkung, Beschichtung, Fokus oder Köhler-Beleuchtung — statt eine Strukturbestimmung zu erzwingen.
Der Mikroskopie-Bildanalyst identifiziert Organellen, Körner, Biofilme und IHC-Muster erst, nachdem er Artefakte aufgeführt hat, die diese Strukturen imitieren könnten. Eine Doppelmembran, die im TEM Zytoplasma umschließt, wird als vereinbar mit einem Autophagosom betrachtet; ein grünes Signal in einem GFP-Kanal wird erst dann als spezifisch bezeichnet, wenn Autofluoreszenz und Übersprechen ausgeschlossen wurden; Gitterfransen, die sich nicht indizieren lassen, werden als mögliches Moiré zurückgehalten, bis eine Verkippung oder FFT etwas anderes zeigt. Die Konfidenz wird ausdrücklich angegeben, und Aussagen, die die Modalität nicht auflösen kann, werden abgelehnt — zusammen mit der Technik, die sie klären würde.
Der Mikroskopie-Bildanalyst entwickelt eine Quantifizierung erst, wenn Kalibrierung und Kontrollen vorhanden sind, und stimmt die Aufgabe auf ImageJ/FIJI, CellProfiler, QuPath, Ilastik, napari oder Imaris ab, statt für jede Aufnahme einen einzigen Standard anzuwenden. Pipelines folgen dem Ablauf Vorverarbeitung → Segmentierung → Messung → Export → Statistik und enthalten Warnungen, wenn automatische Belichtung, nicht kalibrierte Maßstäbe, gesättigte Pixel oder ein einzelner Schnitt eines 3D-Objekts die Zahl nicht vertretbar machen würden. Ein Phänotyp-Screen mit 96 Wells, eine FIB-SEM-Schnittstellenmessung und ein Ki-67-Ganzschnitt-Score verwenden nicht denselben Workflow, und ein 2D-Mittelwert der Korngröße wird markiert, wenn er stereologisch verzerrt ist.
Der Mikroskopie-Bildanalyst prüft Manuskriptabbildungen auf einheitlichen — nicht regionalen — Kontrast, einzeln dargestellte Kanäle plus Zusammenführung, Maßstabsbalken in jedem Panel und ausreichende Methodendetails, um das Sichtfeld zu reproduzieren. Die AI trennt die repräsentative Aufnahme vom quantifizierten Datensatz, damit das sauberste Bild nicht mit der Messung verwechselt wird. Einstellungen werden als Teil des Ergebnisses behandelt und können als Dokument für das Labor-Notizbuch oder die Einreichungsunterlagen exportiert werden.
| Traditioneller Ansatz | Mikroskopie-Bildanalyst |
|---|---|
| Flurberatung zum hellsten Objekt | Strukturierter Bericht von der Qualität bis zu den nächsten Schritten |
| Erst Schwellenwert festlegen, später nach der Kalibrierung fragen | Qualitätsprüfung vor jeder Messung |
| Helligkeit als Biologie behandeln | Markiert Sättigung, Aufladung und Messerspuren |
| Eine Softwaregewohnheit für jede Aufnahme | Stimmt auf FIJI, CellProfiler und QuPath ab |
Aufnahmeprotokoll statt vergessener Verstärkungen und verworfener Felder
Ein generischer Chatbot merkt sich nicht, welche Konfokalfelder gesättigt waren, welche Kontrolle eine andere Verstärkung verwendete, welche SEM-Bilder wegen Aufladung bereits verworfen wurden oder welche Maßstabsbalken eine frühere Prüfung nicht bestanden haben. Der Mikroskopie-Bildanalyst bewahrt diese Entscheidungen über Sitzungen hinweg auf, damit eine LC3-GFP-Punktzählung nicht mit einem abgeschnittenen Stack vermischt wird und ein Partikelgrößenmittelwert nicht aus Feldern neu erstellt wird, die das Labor bereits verworfen hat. Der Verlust dieser Historie führt dazu, dass eine Abbildung mit gemischten Aufnahmebedingungen und einem nicht vertretbaren n veröffentlicht wird.
Modellwechsel von Organellenbestimmungen zu Pipeline-Texten
TEM-Querschnitte, Entscheidungen zwischen Gitterfransen und Moiré sowie abgelehnte Überinterpretationen benötigen einen vorsichtigen Schlussfolgerer; FIJI-Makroschritte und Abbildungschecklisten benötigen eine flüssige prozedurale Schreibweise. Dieser Agent kann in diesen unterschiedlichen Phasen zwischen Modellen von OpenAI, Anthropic, Google, xAI, DeepSeek, Qwen und weiteren Anbietern wechseln, statt für jeden Teil der Prüfung an ChatGPT (nur OpenAI) oder Claude (nur Anthropic) gebunden zu bleiben. Ein Modell, das einen flüssigen Methodentext verfasst, ist nicht automatisch das richtige Modell, um zu entscheiden, ob ein 200 nm breiter Klumpen aus einer Weitfeldaufnahme ein Organell ist.
Vom Mikrofoto zum Messplan in einem Workflow
Der Mikroskopie-Bildanalyst verwandelt ein Sichtfeld plus eine einzeilige Frage in eine technische Prüfung, eine Untersuchung des gesamten Sichtfelds, eine Artefaktliste, eine auf die Software abgestimmte Pipeline und eine Publikationscheckliste. Originalstacks können aus Google Drive oder Dropbox abgerufen, Berichtskonventionen mit Google Scholar geprüft und der Messplan als Dokument exportiert werden — der Ablauf lautet also Mikrofoto → Qualitätsprüfung → Untersuchung von Strukturen und Artefakten → FIJI-, CellProfiler- oder QuPath-Pipeline → Abbildungsprüfung. Das ist eine produktionsreife Prüfung, keine Bildunterschrift zum hellsten Objekt.
Modalitätsbewusste Prüfung statt Raten anhand des hellsten Objekts
Weitfeld, Konfokal, STED, STORM/PALM, SIM, TEM, STEM, Kryo-EM, SEM, FIB-SEM, AFM, STM, Histologie und CLEM verwenden nicht dieselbe Logik zur Objekterkennung. Die AI passt den Rahmen an die Aufnahme an: Organellenuntersuchung beim biologischen TEM, Beugungslogik beim materialwissenschaftlichen TEM, Prüfungen auf Aufladung und Kanteneffekte beim SEM sowie Vorsicht vor Spitzenkonvolution beim AFM. Ein 200 nm großes „Vesikel“ in einer Weitfeldaufnahme bleibt ein beugungsbegrenzter Klumpen, bis eine Modalität eingesetzt wird, die ihn auflösen kann.
Zellbiologen, die Fluoreszenzassays quantifizieren
Verwenden Sie diesen Agenten, wenn LC3-GFP-Punkte, Kolokalisation in einer Zusammenführung aus drei Kanälen oder eine konfokale Z-Projektion die Fragen nach Sättigung, Übersprechen und dokumentierter Normalisierung pro Zelle bestehen müssen.
Materialwissenschaftler, die mit SEM, TEM und AFM arbeiten
Verwenden Sie diesen Agenten, wenn Nanopartikeldurchmesser, Gitterfransen oder Korngröße vor der Meldung einer Verteilung von Aufladung, Sputterkörnung, Messerspuren, Projektionsfehlern und Spitzenkonvolution getrennt werden müssen.
Mitarbeiter und Auszubildende von Core Facilities am Instrument
Verwenden Sie diesen Agenten zwischen gebuchten Zeitfenstern, wenn eine dunkle Vorschau, gestreiftes Detektorrauschen oder eine unsichere Verstärkung eine kurze Liste für die erneute Aufnahme erfordert, statt eine weitere Stunde lang eine ausbleichende Probe zu scannen.
Histologie- und Pathologieforscher (nicht diagnostisch)
Verwenden Sie diesen Agenten, um H&E-Architektur, Zellgehalt und Kernmerkmale zu untersuchen und Verarbeitungsartefakte vor jeder Musterdiskussion aufzulisten — für Forschung und Lehre, nicht für eine formelle Diagnose.
Autoren, die Mikroskopieabbildungen für eine Einreichung zusammenstellen
Verwenden Sie diesen Agenten für eine abschließende Prüfung von Maßstabsbalken, einzelnen Kanälen plus Zusammenführung, einheitlichem Kontrast und der Trennung zwischen repräsentativem Sichtfeld und quantifiziertem Datensatz.
Free Zum Erkunden von Jenova:
Plus ($20/Monat) Für Einzelpersonen:
Premium ($50/Monat) Für regelmäßige Nutzer:
Pro ($100/Monat) Für Power-User:
Max ($200/Monat) Für Fachkräfte:
Ultra ($500/Monat) Für Nutzer mit hohem Bedarf:
Enterprise ($1,000/Monat) Für Unternehmen:
Alle Tarife werden monatlich abgerechnet und haben keine täglichen Nutzungslimits — Ihr vollständiges Kontingent steht an jedem Abrechnungstag sofort zur Verfügung.
Der Mikroskopie-Bildanalyst ist eine AI, die ein Mikrofoto so liest, wie es ein erfahrener Mikroskopiker tun würde — als Zusammenspiel von Probenpräparation, Instrument und Aufnahmeinstellungen, nicht als schönes Bild. Im ersten Durchgang wird die Modalität benannt, geprüft, ob die Qualität die Frage unterstützen kann, und fehlende Metadaten wie Maßstabsbalken oder Pixelgröße werden aufgelistet. Strukturen, Artefakte, Quantifizierungsempfehlungen und Abbildungsprüfungen folgen erst nach dieser technischen Prüfung.
Der Mikroskopie-Bildanalyst behält Aufnahmeeinstellungen, Zuordnungen von Kontrollen, verworfene Felder und frühere Artefaktbewertungen, sodass eine spätere Punktzählung nicht mit einem gesättigten Stack vermischt wird, den ein generischer Chatbot vergessen hätte. Sie können zwischen Modellen von OpenAI, Anthropic, Google, xAI, DeepSeek, Qwen und weiteren Anbietern wechseln — etwa einen vorsichtigen Schlussfolgerer für Organellenbestimmungen im TEM und ein anderes Modell für FIJI-Pipeline-Texte — statt ausschließlich an ChatGPT oder Claude gebunden zu bleiben. Google Drive, Dropbox, Google Scholar und der Dokumentexport sind in dieselbe Prüfung integriert, sodass ein Sichtfeld in einem Gespräch von der Qualitätsprüfung über den Messplan bis zur Abbildungscheckliste begleitet werden kann.
Der Mikroskopie-Bildanalyst arbeitet mit Google Drive und Dropbox für Originalstacks, Google Scholar und Google Search für Berichtskonventionen und die Sprache von Methodenteilen, Google Images als visuelle Referenz, YouTube für Softwareanleitungen und Notion für Labornotizen sowie mit dem Dokumentexport der Prüfung. Der vorgesehene Ablauf besteht darin, das Sichtfeld hochzuladen, die technische Prüfung an den echten Pixeln durchzuführen, Strukturen und Artefakte zu untersuchen und anschließend einen FIJI-, CellProfiler- oder QuPath-Plan zu exportieren. Die AI ersetzt diese Analyseprogramme nicht; sie entscheidet, ob eine Messung gültig ist und welches Programm zur Aufnahme passt.
ImageJ/FIJI, CellProfiler und QuPath führen Messungen durch; der Mikroskopie-Bildanalyst entscheidet, ob eine Messung gültig ist und welches Programm für die Aufgabe geeignet ist. FIJI bleibt die allgemeine Arbeitsumgebung, CellProfiler ist üblicherweise die Wahl für Hochdurchsatz-Phänotypisierung und QuPath wurde für die Pathologie ganzer Objektträger entwickelt. Der Analyst leitet Sie mit einer Pipeline und den zu fixierenden Kontrollen an das passende Tool weiter — er wird nicht zu Ihrem gespeicherten Makro.
Der Umfang umfasst Hellfeld und Histologie, Weitfeld- und konfokale Fluoreszenz, STORM/PALM, SIM, STED, TEM, STEM, Kryo-EM, SEM, FIB-SEM, AFM, STM und korrelative Verfahren wie CLEM. Der Rahmen ändert sich je nach Modalität: Organellenuntersuchung beim biologischen TEM, Logik zu Gitter und Beugung beim materialwissenschaftlichen TEM sowie Prüfungen auf Aufladung und Kanteneffekte beim SEM. Super-Resolution verwandelt einen früheren Klumpen aus einer Weitfeldaufnahme nicht in eine sichere Organellenidentifikation.
Nein. Histologische und zytologische Prüfungen beschreiben morphologische Merkmale und die Übereinstimmung mit bekannten Mustern für Forschung und Lehre. Für eine formelle Diagnose ist ein qualifizierter Pathologe erforderlich. Dieselbe beobachtende Einschränkung gilt, wenn das Projekt auch klinische Aufnahmen umfasst, die besser von einem auf Radiologie spezialisierten Fachsystem bearbeitet werden.
Die Zuverlässigkeit wird bei der Bestimmung angegeben. Bezeichnungen mit hoher Konfidenz sind Merkmalen vorbehalten, die die Modalität tatsächlich auflösen kann — etwa einem Mitochondrium im Querschnitt eines geeigneten TEM-Bildes oder einem membranösen IHC-Muster mit mindestens 3+ und sichtbaren Kontrollen. Mehrdeutige Objekte werden als mit einer kurzen Liste von Möglichkeiten vereinbar bezeichnet, und nicht auflösbare Aussagen werden zusammen mit der Modalität abgelehnt, die sie klären würde.
Ja. Die Analyse läuft mit vollständiger Funktionsparität im Web, auf iOS und Android, einschließlich Sprache-zu-Text, falls Sie Spannungs-, Objektiv- oder Kanaleinstellungen am Mikroskop lieber diktieren möchten. Ein Foto des Displays reicht für eine erste Fehlersuche aus; laden Sie die Originaldatei hoch, wenn Sie genaue Pixel benötigen. iOS: Jenova im App Store. Android: Jenova bei Google Play.
Ja, zur Orientierung, für Vermutungen zur Modalität und zur Erkennung offensichtlicher Probleme wie eines fehlenden Maßstabsbalkens, gestreiften Rauschens oder einer stark abgeschnittenen Vorschau. Sättigung auf Pixelebene, das tatsächliche SNR und die kalibrierte Größe lassen sich zuverlässiger aus der Aufnahmedatei bestimmen. Formulieren Sie die Frage in einem Satz — Identifikation, Qualität, Quantifizierung oder Abbildungsbereitschaft — damit die technische Prüfung weiß, was das Bild unterstützen muss.
Ja. Wenn Abtastung, SNR, Fokus, Beschichtung oder ein abgeschnittenes Histogramm die Aussage nicht unterstützen können, listet die AI auf, was Sie möglicherweise noch sagen können und was erneut aufgenommen werden muss. Typische Hinweise betreffen Nyquist-Pixelgröße, Verstärkung, Beschichtung, Fokus und Köhler-Einstellung; außerdem weist sie auf automatische Belichtung als Faktor hin, der eine Quantifizierung unbrauchbar machen kann. Eine Strukturbestimmung auf einem unzureichenden Bild zu erzwingen, gilt als zu vermeidender Fehlerfall.
Nein. Der Agent empfiehlt Software, erstellt einen pipelineartigen Plan und benennt, was validiert werden muss; die Ausführung erfolgt weiterhin in FIJI, CellProfiler, QuPath, Ilastik, napari oder Imaris. Reproduzierbare Analysen hängen von gespeicherten Workflows und fixierten Einstellungen ab, nicht von einem einmaligen Klickpfad. Verwenden Sie die Prüfung, um zu entscheiden, welche Zahl nicht reproduzierbar wäre, bevor Sie das Makro ausführen.
Nein. Gespräche und hochgeladene Sichtfelder werden nicht zum Trainieren öffentlicher Modelle verwendet, bei der Übertragung und im Ruhezustand verschlüsselt und nicht an Werbetreibende verkauft oder weitergegeben. Das ist wichtig, wenn der Stack noch unveröffentlicht ist oder die Abbildung einem Embargo unterliegt. Bewahren Sie Originaldateien in Drive oder Dropbox auf und fügen Sie sie hinzu, wenn die Prüfung auf den tatsächlichen Pixeln basieren soll.
Der Mikroskopie-Bildanalyst ist Teil von Jenova, der leistungsstärksten AI-Agent-Plattform der Welt. Jenova bietet einheitlichen Zugriff auf führende AI-Modelle von OpenAI, Anthropic, Google, xAI, DeepSeek, Qwen und weiteren Anbietern — ergänzt durch intelligente Tool-Integrationen für die durchgängige Erledigung von Aufgaben. Die Plattform bietet ein sitzungsübergreifendes Langzeitgedächtnis, automatisierte Workflow-Orchestrierung und vollständige Funktionsparität im Web, auf iOS und Android. Jenova wurde von Azeroth Inc., einem in New York ansässigen Technologieunternehmen, entwickelt und wird von Nutzern in über 70 Ländern verwendet.
Für Entwickler bietet die Jenova Agent API ein vollständig verwaltetes Agent-Backend mit integrierter Orchestrierung, Multi-Modell-Routing, Speicher, Datenspeicherung und MCP-Tool-Unterstützung — sodass keine rohen LLM-APIs, Vektordatenbanken und benutzerdefinierten Tool-Server miteinander verbunden werden müssen.
Kontakt: [email protected]