显微镜图像的实际值在于它们提供的数据。显微镜的主要挑战之一是图像分割，因为它是所有其他图像分析过程的基础。基于Python的机器学习方法（例如深度学习和像素分类）在ZEN Intellisis中用于可重现且健壮的分割结果。
Zen Intellisis并不耗时，甚至允许新手用户可以训练和自动以最小的偏差分割数百个图像。
强调
使用深度学习来细分图像
Zen Intellisis允许用户在几个图像上训练软件，而进一步合适的机器学习算法（例如深度学习）可用于在几个图像中细分各种对象。
这些基于Python的时间效率的工具利用预训练的网络进行分割和像素分类。不论原点，也可以轻松分析也是多维的复杂多模式数据。特定的深度学习模型也可以与此软件一起导入和使用。
享受平滑的工作流程集成
Zen Intellisis的软件模块使机器学习算法易于使用。对于图像分割，用户应加载图像，定义类，给像素标签并训练模型。对于诸如核分割之类的任务，可以进口已经训练的模型，然后可以分割和分析数据集。
定制网络也可以训练并导入Zen。Zen Core成像软件和Zen Blue具有Intellisis的完整图像分析框架。集成支持脚本，并确保可用于处理必要的元数据。
以许多格式分析来自许多来源的多模式图像
Zen Intellisis允许轻松分割来自各种来源的多维图像，例如：
-
分辨率显微镜
-
广场显微镜
-
无标签显微镜
-
荧光显微镜
-
轻度显微镜
-
共聚焦显微镜
-
X射线显微镜
-
电子显微镜
借助Zen Connect和Zen Intellisis，来自不同显微镜的图像可用于提取更有价值的信息。同时使用所有方法的图像特征来分割所选图像的结构。可以通过导入TXM图像，OME-TIFF或在使用第三方导入函数期间对Bio-Format兼容图像进行分割。
应用示例生命科学欧洲杯线上买球
刮擦分析
（（剩下）记录的延时电影的单一框架。（（对）分割Zen Intellisis-刮擦区（绿松石），细胞层（橙色）和有丝分裂细胞（红色）的结果。图片来源：Carl Zeiss显微镜GmbH
基于Zen Intellisis分割结果，使用ZEN图像分析模块随时间测量了刮擦区域的大小。图片来源：Carl Zeiss显微镜GmbH
刺和树突
表达绿色荧光蛋白的神经元的树突。图像在伊利拉（Elyra）ps.1上以结构化照明获取，该图像在树突上显示刺。图片来源：Carl Zeiss显微镜GmbH
用Zen Intellisis分割导致刺（绿色）与树突（红色）和背景（蓝色）明确分离。图片来源：Carl Zeiss显微镜GmbH
果蝇
果蝇的X射线显微照片。1400张Z-stack的整个果蝇，用Zeiss 520 Versa获得。图片来源：Carl Zeiss显微镜GmbH
通过Zen Intellisis获得的分割结果 - 外骨骼（红色），内部结构（蓝色和黄色），背景（绿色）。图片来源：Carl Zeiss显微镜GmbH
基于外骨骼类渲染的3D模型。图片来源：Carl Zeiss显微镜GmbH
应用示例材料分析欧洲杯足球竞彩
XRM砂岩 - 原始。图片来源：Carl Zeiss显微镜GmbH
XRM砂岩 - 标记。图片来源：Carl Zeiss显微镜GmbH
XRM砂岩 - 经过训练和细分。图片来源：Carl Zeiss显微镜GmbH
XRM砂岩 - IP功能输出。图片来源：Carl Zeiss显微镜GmbH