AX / AX R with NSPARC

Sistema di microscopia confocale

Software di imaging completo

Il software di imaging NIS-Elements consente il controllo integrato di microscopi e dispositivi periferici, nonché di sistemi confocali. Oltre a varie funzioni per l'imaging confocale, dispone di un'ampia gamma di strumenti di intelligenza artificiale che supportano l'ottimizzazione dell'analisi delle immagini e moduli opzionali che consentono la personalizzazione dell'analisi e dei flussi di lavoro degli esperimenti.


ER (risoluzione estesa)

Proiezione di massima intensità delle immagini dello Z stack di un campione vivo a cui è stato applicato ER, acquisito con un obiettivo 60x 1.4NA Plan Apo Lambda ad immersione in olio utilizzando la scansione risonante AX R 2048x1024 a 15 fps.

NIS-Elements ER può essere utilizzato per migliorare la risoluzione spaziale confocale fino a 120 nm (laterale) / 300 nm (assiale) utilizzando l'elaborazione GPU con impostazioni automatiche dei parametri e opzioni definite dall'utente.

Definizione personalizzata degli esperimenti

NIS-Elements ha capacità integrate di esperimenti multidimensionali (multi-XY, Z, T, multicanale). L'aggiunta del modulo JOBS opzionale consente una personalizzazione ancora maggiore, come l'impostazione di esperimenti non ortogonali con più percorsi e dimensioni. Spesso, gli esperimenti richiedono la personalizzazione per semplificare l'acquisizione e acquisire tutti i punti dati necessari. L'analisi dei dati può essere eseguita anche in tempo reale durante l'esperimento e la direzione dell'esperimento può anche essere modificata in base ai risultati dell'analisi. Gli utenti hanno la massima flessibilità nella progettazione di esperimenti che massimizzano le loro esigenze di output dei dati.

Protocollo dell'esperimento JOBS

Immagini time lapse di sviluppo vascolare di Danio acquisito con un obiettivo ad immersione 25x SIL utilizzando la scansione risonante 1024 x 2048 AX R.

Proiezioni di intensità massima dell'intero FOV della serie Z in momenti durante lo svolgimento dell'esperimento.

Riquadro che mostra lo sviluppo vascolare con sovrapposizione di colore che rappresenta il tempo, dove ogni colore rappresenta un punto temporale diverso.

Per gentile concessione di Erika Dreikorn e Dr. Beth Roman, Dipartimento di Genetica Umana, Università di Pittsburgh Graduate School of Public Health.

Innovazioni software AI progettate per assistere

Dall'acquisizione all'analisi, il software NIS-Elements di Nikon è un leader pionieristico nell'implementazione del deep learning basato su reti neurali convoluzionali (CNN) per la microscopia. Sono disponibili diversi strumenti di intelligenza artificiale, molti mirati specificamente per assistere gli utenti nell'acquisizione, elaborazione e analisi dei dati confocali. Questi strumenti aiutano gli utenti a ottenere immagini con rapporto segnale / rumore (SNR) adeguato per l'elaborazione e l'analisi delle immagini e altri strumenti per la segmentazione e il miglioramento dell'immagine o la trasformazione della modalità.

Punto di partenza

L'imaging confocale ha molteplici variabili che devono essere messe a punto per la migliore qualità dell'immagine, un rapporto segnale / rumore statisticamente valido e stabilità del campione a lungo termine. Gli strumenti AI di NIS-Elements sono progettati per aiutare a raggiungere questi obiettivi.

con Autosignal.ai

Autosignal.ai

Novità per AX/AX R: Autosignal.ai può suggerire automaticamente le migliori impostazioni di illuminazione e rilevamento, piuttosto che gli utenti debbano tentare manualmente di trovare le migliori impostazioni a tentativi, o durante la scansione dal vivo esponendo il campione inutilmente.

con Denoise.ai

Denoise.ai

Il rumore ddi scatto è la principale fonte di rumore nell'imaging confocale. Denoise.ai può rimuovere la componente di rumore dello scatto dalle immagini confocali, migliorando la qualità dell'immagine e assistendo nella segmentazione a valle.

con Segment.ai

Segment.ai

Una cassetta degli attrezzi di funzioni AI assiste gli utenti nella facile segmentazione delle immagini; dopo aver addestrato l'AI, la segmentazione, che richiederebbe ore con metodi tradizionali (come per campioni con intensità uniforme, rendendo quasi impossibile la tradizionale soglia di morfologie diverse) può essere eseguita in pochi secondi.