AX / AX R with NSPARC

Konfokale Mikroskope

Umfassende Imaging Software

Die Nikon Imaging Software NIS-Elements ermöglicht die integrierte Steuerung von Mikroskopen und Peripheriegeräten sowie von konfokalen Systemen. Zusätzlich zu verschiedenen Funktionen für die konfokale Mikroskopie verfügt die Softwarereihe NIS-Elements über eine breite Palette von KI-Tools, die die Bildanalyse unterstützen und optimieren, sowie optionale Module, mit denen Analyse- und Experiment-Workflows zusammengestellt und angepasst werden können.


ER (Extended Resolution)

Z-Stapelbilder (Projektion max. Intensität) von lebenden Zellen, nach Anwendung von ER. Objektiv Plan Apo Lambda 60X / 1.4 Öl, AX R Resonanz-Scanner bei 2048 x 1024, Framerate 15 fps.

Das NIS-Elements Modul ER kann die konfokale räumliche Auflösung auf bis zu 120 nm (lateral) / 300 nm (axial) durch GPU-Processing mit automatischen Parametereinstellungen sowie benutzerdefinierbaren Optionen verbessern.

Experiment-workflows individuell einrichten

In den Basismodulen der NIS-Elements Software sind Funktionen für mehrdimensionale experimentelle Imagingabfolgen enthalten (Multi-Point XY, Z-Serien, Zeitreihen, Multi-Color). Durch Hinzufügen von JOBS wird die Gestaltbarkeit von Imaging-Experimenten um ein Vieles erweitert, z.B. die Erstellung nicht-orthogonaler Versuche mit Verzweigungen in mehrere Pfade und Dimensionen. Experimente an lebenden Proben müssen oft angepasst werden, um die Erfassung möglichst aller erforderlichen Datenpunkte zu ermöglichen. Dabei kann die Analyse der Daten sogar in Echtzeit erfolgen, und die Richtung des Experiments sogar basierend auf den Ergebnissen der Echtzeit-Analyse ändern. Mit JOBS haben Nutzer ultimative Flexibilität beim Entwerfen von komplexen Experimentstrategien, die wiederum unterm Strich die Effizienz steigern und den Datenoutput optimieren.

JOBS-Versuch-Layout

Danio Sp., Gefäßentwicklung. Zeitrafferaufnahmeserie, Objektiv SIL-Immersion 25X, AX R-Resonanzscanner bei 1024 x 2048 Pixel.

Zu jedem Zeitpunkt während des Experiments wurde ein Z-Bildstapel aufgenommen und eine Z-Projektion (max. Intensität) berechnet.

Im Inset ist die Gefäßentwicklung über die Zeit so dargestellt, dass jedem Zeitpunkt eine Farbe zugeordnet ist.

Mit freundlicher Genehmigung von Erika Dreikorn und Dr. Beth Roman, Abteilung für Humangenetik, Graduiertenschule für öffentliche Gesundheit der Universität Pittsburgh.

KI-Software-Innovationen geben wertvolle Unterstützung

Von der Erfassung bis zur Analyse ist die NIS-Elements-Software von Nikon Vorreiter bei der Implementierung konvolutionaler neuronaler Netzwerke (CNN) basierend auf deep learning für die Mikroskopie. Es stehen verschiedene KI-Tools zur Verfügung, von denen viele speziell darauf ausgelegt sind, Benutzer beim Aufnehmen, Verarbeiten und Analysieren konfokaler Daten zu unterstützen. Diese Tools unterstützen Benutzer z.B. dabei, Bilder mit angemessenem Signal-Rausch-Verhältnis für aussagekräftige Bildverarbeitung und -analyse zu erzeugen. Dazu kommen weitere Tools für die Bildverbesserung, um eine präzisere Identifizierung und Segmentierung von Strukturen zu erzielen.

Ausgangspunkt

Die konfokale Bildgebung birgt mehrere Variable, die einerseits für die beste Bildqualität bei statistisch probatem Signal-Rausch-Verhältnis und andererseits für eine langfristige Probenstabilität (Bleichen, Fototoxizität) fein abgestimmt werden müssen. Die KI-Tools von NIS-Elements sind ausgezeichnet dafür geeignet, diese Feinabstimmungen bestens zu optimieren.

mit Autosignal.ai

Autosignal.ai

Neu für AX/AX R: Autosignal.ai kann automatisch die besten Einstellungen für Beleuchtung/Anregung und Detektion vorschlagen. Dadurch entfällt, dass Benutzer manuell versuchen, die geeigneten Einstellungen durch Ausprobieren zu finden, oder dies am live-Bild machen und die Probe dabei unnötig belichten und belasten.

mit Denoise.ai

Denoise.ai

Das sog. Schrotrauschen ist eine spezielle Form des weißen Rauschens, und ist die Hauptquelle für das Rauschen bei der konfokalen Mikroskopie. Denoise.ai kann dieses Schrotrauschen exakt identifizieren und aus konfokalen Bildern entfernen. Dadurch wird die Bildqualität massiv verbessert und Strukturen von Interesse werden in nachgeschalteten Segmentierungen wesentlich treffgenauer und präziser quantitativen Analysen zugeführt.

mit Segment.ai

Segment.ai

Dieses Softwaremodul enthält eine Toolbox voll mit KI-Funktionen, die bei der Erkennung und Segmentierung von Zielstrukturen in konfokalen Bildern mit unterschiedlichsten Intensitäts- und Kontrastcharakteristika eine ganz große Unterstützung bieten. Nach dem Antrainieren der KI kann eine Segmentierung der Zielstrukturen z. B. bei Proben mit sehr gleichmäßiger Intensität in Sekunden erfolgen, wo herkömmliche Methoden, wie das Setzen von Schwellenwerten für verschiedene Struktur-Morphologien mit fast gleichen Intensitätswerten wie der Hintergrund seither fast immer scheiterten.