Imaris 交流
FILE EXCHANGE & FORUM
Frequently Asked Questions
牛津仪器集团成员
Imaris 9.9增添了一种全新、基于Labkit的“像素分类分割法”。这种机器学习像素分类法通过直观、交互式的训练模式，拓宽了图像分析的多样性。同时，利用这种方法可以实现电子显微图像中信号分割和形态识别等分析。此外，Imaris 9.9是有史以来兼开放和灵活的全新版本。通过直接将含标签的图像或者位置数据分别导入为“Surface”或“Spot”，我们就能够进一步促进开源软件包与Imaris之间的联用。
询价/免费试用在Imaris“表面创建向导（Surface Creation Wizard）”中，你可以选择“Labkit for pixel classifition”。通过几个笔划来训练像素分类器，就可以对数据进行智能分割。该方法既能应用于荧光数据，也可应用于一些灰度图像。
在这种方法中，Imaris Surface创建流程中的其他功能可以正常使用，例如：过滤、编辑或物体分类等功能。该方法能够使图像处理流程非常顺畅，并且带来全新的图像分析与可视化选择。
众所周知，一些分割问题利用机器学习或其他工具的特定开源软件来解决是最好的。现在，这些含标签的图像(来自ilastik、StarDist和Labkit等)可以直接导入Imaris，并可视化为“Surface”(与原始数据一起)，这样可以得到基于分割计算出的所有Imaris统计数据。
作为含标签图像导入的“Surface”可以使用Imaris的material来进行可视化，包括半透明的展示方式，并进行颜色编码，甚至可以通过内置的机器学习物体分类器在Imaris中进一步将其进行分类。
对物体（如：发育中胚胎内的单细胞核等）进行追踪是一项颇具有挑战性的任务。针对大图像、多视点图像，类似“MaMuT”（一款用于追踪和编辑的框架）这样的软件包可以帮助我们进行图像数据分析。
Imaris 9.9能够为那些经常使用MaMuT(或TrackMate)和Imaris的用户提供“Spots”和“Tracks”的直接导入。通过将数据导入Imaris，用户可以使用Imaris的3D渲染功能，包括对物体的颜色编码和多种可视化模式。将追踪结果与原始的多通道显微镜数据叠加，就可以创建出高质量的图像和视频。
The Imaris Learning Center hosts a wide range of tutorial videos, how-to articles and webinars to guide you through the many features of Imaris. We have provided some links below which will get you started on some of our most recent developments.
© 牛津仪器 2024
公安机关备案号31010402003473