重新定义共聚焦成像的检测极限
运用独特的LIGHTNING检测理念,尽可能地从您的样本中提取信息,获得对科学问题的深入解答。
LIGHTNING是一个自适应的信息提取过程,可以完全自动化地呈现原本不可见的微小结构和细节。与为整个图像使用全局参数集的传统技术不同,LIGHTNING为每一个像素计算一个适当的参数集,尽力还原细节。
LIGHTNING扩展了STELLARIS共聚焦平台的功能,能够以初始全速同时进行超分辨率多色成像。
一键启动LIGHTNING,轻松完成这些工作
从图像中提取丰富的信息,最小可解析120纳米的纳米级结构
真正同时进行超分辨率多色成像
由于采集速度快、光毒性低,有助研究活体样本的细节
显微图像乃至共聚焦图像中包含了比传统采集方法所能呈现的更多细节。LIGHTNING让您能够从图像中获得更丰富的信息。它能够全自动运行,可对任何样本成像,适用于任何类型的实验。
LIGHTNING具有5D方式的自适应(几乎)实时图像重建功能,因此能够以无与伦比的方式从图像中提取信息。通常的图像后处理都采用一刀切的方法,而LIGHTNING可以动态地确定图像中每个位置的关键信息,从而获得出色的成像结果。
与迄今为止的标准方法相比,使用LIGHTNING获得的共聚焦图像仿佛去掉了一层雾气。用这种方法获得的图像可以一览无遗地呈现出清晰的重要信息。此外,LIGHTNING图像信息提取技术将STELLARIS共聚焦平台的分辨率扩展到超分辨率领域——最小能够解析120纳米级别的结构。
LIGHTNING智能化掩模技术对每个特定的像素采取最佳的拟合重建策略。
不同的图像质量程度通过不同的伪色显示,颜色范围从紫色(低图像质量)到红色(高图像质量)。
这与使用对全局有效的重建方法的其他传统方法形成了强烈的对比。
LIGHTNING 智能化掩模——不同的图像质量用不同的伪色显示。
LIGHTNING将系统参数、图像数据和优化的GPU处理巧妙地结合起来,即使在要求苛刻的成像条件下也能发现重要的图像信息。即使在光子数有限的超快速成像情况下,它也能让您获得最多的信息。
LIGHTNING与图像采集过程深度整合,让您可以在工作过程中即时复原图像。您可以将LIGHTNING获得的额外图像信息立即输回到采集参数设置中,从而节省时间,并立刻获得正确结果。
FluoCells小鼠肠道切片。杯状细胞粘液,灰色,Alexa Fluor 350 WGA.细胞核,绿色,SYTOX Green.丝状肌动蛋白,红色,Alexa Fluor 568鬼笔环肽
LIGHTNING能够高速进行超分辨率多色成像。STELLARIS共聚焦平台的无滤片光谱检测系统可以同时采集多达5个通道。
与只有一个超分辨率通道的解决方案相比,多通道采集方式能够更快地并行采集数据。在单检测器解决方案只能生成一张单色图像的时间里,使用LIGHTNING的STELLARIS显微镜能够生成8张多色图像。
与只有一个超分辨率通道的解决方案相比,多通道采集方式能够更快地并行采集数据。
无需在速度与分辨率之间作出取舍
标准的共聚焦系统会因分辨率而牺牲速度。而LIGHTNING则可以保持图像采集的速度。STELLARIS 8系统的全帧率(12 kHz扫描头:512 x 512像素情况下40帧/秒)可在所有通道中保持。每个通道都提供最小120纳米的超高分辨率。这种设置优于那些仅将一个超分辨率通道与标准共焦通道相结合的设置,因为它能够捕捉毫秒级时间内发生的纳米级动态事件。现在,您能够以前所未有的清晰度非常详细地观察细胞动态。
草履虫。左侧为原始图像。右侧为LIGHTNING成像。样本:法国Gif-sur-Yvette CNRS 12BC Anne Aubusson-Fleury提供
从实验中获得更多信息
获得视场大6倍的图像,显示超分辨率的结构,并且可以观察分子间相互作用和动力学。与目前的任何其他共聚焦系统相比,在STELLARIS平台上使用LIGHTNING可以在至少大6倍的样本区域内进行快速扫描和正确取样。它采用高速共振扫描方法实现这样高的性能水平,图像格式高达2496 x 2496像素。
通过最佳设置获得可重复的结果
LIGHTNING的共聚焦成像基于自适应智能技术,它可以优化样本中每个探测位置的图像。每张图像的最终参数集都会被存储,也就是说成像条件被完整记录,因此是可重复的。您可以确信从LIGHTNING图像中获得的信息和认识符合您的特定科研要求。
LIGHTNING被直接整合在STELLARIS平台中,涵盖了所有共聚焦成像模式,因此能够以最佳分辨率和速度成像。只需一个滑块即可设置所有与分辨率相关的参数。
此外,LIGHTNING还提供以下功能:
即时捕捉图像数据
如今的GPU被整合在数据采集流中,将LIGHTNING图像信息提取速度提升到更高水平。LIGHTNING完全支持英伟达CUDA平台,该平台利用GPU上高度并行化和系统优化的计算方法。
您可受益于作为基础的图像重建受限迭代方法。它基于光学原理,是立即呈现图像中所含信息的正确方法。