AX / AX R with NSPARC

Système de microscope confocal

Requérir de l’informations

Logiciel d'imagerie compréhensif

Le logiciel d'imagerie NIS-Elements permet un contrôle intégré des microscopes et des périphériques, ainsi que des systèmes confocaux. En plus des diverses fonctions d'imagerie confocale, il dispose d'une large gamme d'outils d'IA qui prennent en charge la rationalisation de l'analyse d'image et de modules optionnels qui permettent la personnalisation des flux de travail d'analyse et d'expérimentation.

ER (résolution étendue)

Projection d'intensité maximale d'images de pile Z d'un échantillon vivant auquel ER a été appliqué, acquise avec un objectif à immersion dans l’huile 60x 1.4NA Plan Apo Lambda en utilisant un balayage par résonnance AX R 2048x1024 à 15 ips.

NIS-Elements ER peut être utilisé pour améliorer la résolution spatiale confocale jusqu'à 120 nm (latéral) / 300 nm (axial) en utilisant le traitement GPU avec des paramètres automatiques et des options définies par l'utilisateur.

Définition personnalisée des expériences

NIS-Elements intègre des capacités d'expérimentation multidimensionnelles (multi-XY, Z, T, multicanaux). L'ajout du module JOBS en option permet encore plus de personnalisation, comme la configuration d'expériences non orthogonales avec plusieurs chemins et dimensions. Souvent, les expériences nécessitent une personnalisation pour rationaliser l'acquisition et capturer tous les points de données nécessaires. L'analyse des données peut même être effectuée en temps réel pendant l'expérience, et la direction de l'expérience peut même être modifiée en fonction des résultats de l'analyse. Les utilisateurs ont une flexibilité ultime dans la conception d'expériences qui maximisent leurs besoins en sortie de données.

Protocole d'expérimentation JOBS

Images intermittentes du développement vasculaire de Danio sp. acquis avec un objectif à immersion SIL 25x utilisant un balayage par résonnance 1024 x 2048 AX R.

Projections d'intensité maximale de l'ensemble du champ de vision de la série Z à des points dans le temps au cours de la progression de l'expérience.

Encart montrant le développement vasculaire avec une couleur de superposition représentant le temps, où chaque couleur représente un point temporel différent.

Avec l'aimable autorisation d'Erika Dreikorn et du Dr Beth Roman, Département de génétique humaine, École supérieure de santé publique de l'Université de Pittsburgh.

Innovations logicielles d'IA conçues pour aider

De l’acquisition à l’analyse, le logiciel NIS-Elements de Nikon est un pionnier dans la mise en place du réseau de neurones convolutifs (CNN) pour la microscopie. Plusieurs outils d'IA sont disponibles, dont beaucoup sont spécifiquement destinés à aider les utilisateurs à acquérir, traiter et analyser des données confocales. Ces outils aident les utilisateurs à obtenir des images de rapport signal / bruit (SNR) adéquates pour le traitement et l'analyse d'images, et davantage d'outils pour la segmentation et l'amélioration de l'image ou la transformation de modalité.

Point de départ

L'imagerie confocale comporte plusieurs variables qui doivent être affinées pour obtenir la meilleure qualité d'image, un rapport signal / bruit statistiquement valide et une stabilité de l'échantillon à long terme. Les outils d'IA NIS-Elements sont conçus pour aider à atteindre ces objectifs.

avec Autosignal.ai

Autosignal.ai

Nouveau pour AX/AX R: Autosignal.ai peut suggérer automatiquement les meilleurs paramètres d'éclairage et de détection, au lieu que les utilisateurs tentent manuellement de trouver les meilleurs paramètres par essai et erreur, ou tout en numérisant en direct et en exposant l'échantillon inutilement.

avec Denoise.ai

Denoise.ai

Le bruit de grenaille est la principale source de bruit dans l'imagerie confocale. Denoise.ai peut supprimer la composante de bruit de grenaille des images confocales, améliorant la qualité de l'image et aidant à la segmentation en aval.

avec Segment.ai

Segment.ai

Une boîte à outils de fonctions IA aide les utilisateurs à segmenter facilement les images; après la formation de l'IA, une segmentation qui prendrait des heures par des méthodes traditionnelles (telles que des échantillons avec une intensité uniforme, rendant le seuillage traditionnel de différentes morphologies presque impossible) peut être effectuée en quelques secondes.