综合性成像软件
ER（扩展分辨率）
使用60倍Plan Apochromat油浸物镜（NA 1.4），运用ER，通过2048×1024像素的共振扫描，以15 fps获得的活体样本Z轴最高亮度投影图像。
利用具备自适应参数和自定义选项的GPU加速处理，NIS-Elements ER可以将共聚焦成像的空间分辨率提高到120 nm （横向）/300nm（轴向）。
自定义实验
NIS-Elements内置多维（多XY、Z、T、多通道等）实验功能。
添加选配的JOBS模块甚至能完成更多定制任务，如建立具有多路径和维度的非正交实验。
实验流程往往需要通过定制来提高采集效率和捕捉所有需要的数据点。
数据分析亦可在实验过程中实时进行，甚至可以根据分析结果改变实验流程。
用户在实验设计方面具有充分的灵活性，能够最大化满足其数据输出的需求。
JOBS实验方案
使用25X硅油物镜，通过2048×1024像素的共振扫描采集斑马鱼血管生成时间序列图像。
血管生成的放大图。颜色编码采集时间
在实验进行的各时间点，整个视场中的Z轴最大亮度投影图像。
图像授权：匹兹堡大学公共卫生研究生院人类遗传学系Erika Dreikorn和Beth Roman博士
创新的AI智能软件协助
从采集到分析，尼康NIS-Elements软件作为前沿领军者之一，致力于显微技术利用基于卷积神经网络（CNN）的深度学习功能的研发。现已配备多款AI工具，并专为辅助共聚焦数据采集、处理及分析而设。这些工具将帮助用户获得高信噪比（SNR）图像以进行处理和分析，还有更多针对图像识别、图像增强或模态转换的智能工具。
启动拍摄
为了达到最佳图像品质，获得有统计性的信噪比和长时间样本稳定性，共聚焦成像必须对多个变量进行精细调整。尼康NIS-Elements AI工具即可自动实现这一目标。
with Autosignal.ai
Autosignal.ai
AX/AX R的AI新工具：Autosignal.ai能够自动给出最佳照明和检测设置的建议，免却用户需不断手动试错才能确定最佳设置的烦扰，同时避免扫描活细胞时对样本不必要过度照射。
with Denoise.ai
Denoise.ai
散粒噪声是共聚焦成像的主要噪声源。Denoise.ai能够消除共聚焦图像中的散粒噪声成分，提高画质并助力后续的图像识别工作。
with Segment.ai
Segment.ai
用户可以通过AI工具箱简化图像识别工作；通过AI训练，只需数秒即可完成使用传统方法耗费数小时才能完成的识别工作（例如非均一亮度的样本，使得传统阈值方法识别形状几无可能）。
产品彩页
共聚焦和多光子显微镜
- AX / AX R with NSPARC
- AX R MP with NSPARC
- CSU Series
