利用机器学习进行纳米颗粒跟踪分析
为什么信任人类？
人类天生易犯错。即使那些被认为拥有伟大头脑的人，也可能会因计算测量单位的不一致性而犯错，比如导致成本超过4.5亿美元的太空探测器丢失（火星气候探测器事故）。
在药物开发中，风险同样巨大。人为错误可能导致数百万美元的开发成本损失，或更重要的是，带来不利的健康影响。那么，为什么将数据处理留给容易出错的人类呢？这正是机器学习的用武之地！通过统计方法和对相关数据的反复接触，算法能够在很短的时间内识别模式并做出预测，且错误率很小。
让无形变为有形
我们没有意识到人类及其福祉有多依赖于我们肉眼看不见的小颗粒（图1）。调节人体功能的生物颗粒同时也可能导致人类疾病。制药行业及涉及先进材料的几个行业也受到纳米世界的影响。药物相互作用发生在细胞尺度上，但也可能产生深远（有时是负面的）影响。涉及纳米气泡生成的其他行业对各种应用需要建立和控制的协议。
图1：NanoSight NTA颗粒可视化。NanoSight NTA 收集布朗运动下纳米级颗粒光散射的片段（白点）。
如何更好地理解这些微小颗粒？
图2：NS Xplorer软件跟踪纳米颗粒的例子。纳米颗粒的运动是逐粒跟踪的。
可以想象，一开始就“捕捉”所有的颗粒对于准确和精确的颗粒跟踪至关重要。NTA用户可能经常会问：“这是一个颗粒吗？”，“哪个设置是最好的？”然后需要调整检测阈值参数，或者干脆忘记去做。如果这些参数可以精确和自动化呢？引入具有新NS Xplorer软件的机器学习。
机器学习赋能新的NS Xplorer软件
马尔文·帕纳科在2023年推出了NanoSight Pro。纳米颗粒跟踪分析从未如此快速、简单和精确！
机器学习现在能够精确标记舞动的点的中心，作为NTA跟踪算法的一部分。这包括捕捉非常微弱的颗粒，从而提供您样品的更精确分析，而您同时还可以运行进一步的工作流程！这进一步消除了确认偏差并减轻了人为错误。
粒子检测神经网络模型（NN）用于 NanoSight Pro 经过数周进行各种复杂程度的NTA图像训练。数据由人工伙伴手动评估和确认其在开发过程中的精度和准确性（图3）。
图3：NanoSight粒子检测神经网络结构。 由神经网络输出的数据经过验证，以确定模型是否正确识别了颗粒。
模型的验证通过与典型和专家NTA用户的基准比较进行。图4中的数据清晰地显示，机器学习（神经网络模型，NN）精确识别了用于跟踪算法的颗粒使用。NN消除了主观性，提供比最有经验的用户更可重复和精确的数据！
图4：机器学习与NTA标准和专家用户的颗粒识别对比。神经网络模型的颗粒检测能力超过了不仅仅是典型的用户，甚至是最有经验的用户（NN 与完美用户和典型用户的对比）。
现在，多亏了机器学习，您不仅节省了设置处理参数的时间，而且几乎察觉不到数据正在处理……欧莱！NTA处理现在自动化，加快了分析并让用户有更多的自由去分析其他样品，设置进一步的协议，或者享受一个愉快的咖啡时光！
应用
新的NanoSight Pro可以帮助您测量多种颗粒类型，包括以下内容：
现在，请放松，让NanoSight NS Xplorer为您的颗粒系统进行特征化并准确报告其大小和浓度！
想了解更多？观看我们按需提供的网络研讨会：
更多资源
这篇文章可能已被自动翻译
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
