粒子・細胞・結晶の高度検出・測定に最適!

画像解析ソフトウェアMIPAR

ラーニング

製品紹介

カタログ

展示会等で配布しているMIPARのカタログをご覧いただけます。

pdf

PDF(2.4MB)

カタログ

製品紹介

MIPARの機能をご紹介しています。

pdf

PDF(24MB)

製品紹介

プレゼンテーション

ライフサイエンスと金属材料に特化した内容をまとめています。(英語資料)

Life Science Demo

体験版説明書

WindowsOS向け
インストール説明書

pdf

PDF(78KB)

MacOS向け
インストール説明書

pdf

PDF(116KB)

体験版お試し手順書
&画像サンプル

pdf

ZIP(328MB)

製品版マニュアル

WindowsOS向け
製品版インストール方法

pdf

PDF(945KB)

MacOS向け
製品版インストール方法

pdf

PDF(1243KB)

New! 検出レシピ作成
スタートアップガイド

pdf

PDF(42MB)

ユーザーマニュアル
(英語)

pdf

PDF(42MB)

検出・解析の操作

メニューの内容について日本語でご案内しています。

検出

レシピを構成する各メニューはこちらから

 解析

検出部を解析する各メニューはこちらから

解析例

New! 解析例17.
Coming Soon!

  

NEW! 解析例16.
食パンの空孔率を評価

素材による違いを画像で評価できるのか?
この研究にMIPARをご利用頂いている、石川県立大学 生物資源環境学部 食品科学科 教授 長野隆男 様、LE THI ANH 様からサンプル画像をご提供頂きました。

NEW! 解析例15.
コンパニオン画像を利用したバッチ処理

MIPARでは、事前に取得した領域範囲を使って、他の画像に対する領域指定が行えます。複数の画像に対するバッチ処理も簡単に行えます。

解析例14.
BSE/EBSD画像への応用

EBSD(電子線後方散乱回折)で得られる結晶方位や粒形のデータはとても有用ですが、費用や労力の面では頻繁に行えないそうですね。もし粒径の取得だけの場合には、一般的なBSE(反射電子)画像からMIPARで低コストに取得しましょう。

解析例13.
FFTフィルタで
ノイズ背景を除去

細かなノイズが背景に存在している場合、一般的な輝度コントラストによる選別では検出がうまくいきません。このようなケースでは、FFTフィルタによるノイズ除去がとても有効です。

解析例12.
シェーディング補正

撮像状況によって、画像にコントラストの偏りが生じてしまうことはよくあります。単なる除算方式ではない高度なシェーディング補正結果を、MIPARは出力します。

解析例11.
3D Toolboxで、積層画像から粒子を3D化

集束イオンビーム装置や多光子励起顕微鏡、ライトシート顕微鏡などによって得られた複数の断面画像を積層して3D画像を作成し、体積計算を行うオプションをご用意しています。解析の様子は動画でご覧ください!

解析例10.
Distance Mapで
マーカーを作成し、
Watershedを実行

マーカー付きのWatershedは、より正確に粒子分割を実行できます。本サンプル画像は、
新居浜工業高等専門学校
當代光陽先生
からご提供頂きました。

解析例9.
重なっている粒子
へのアプローチ例

検出対象が重なって撮像されている場合、正確に検出することが出来ません。MIPARでは検出するエリアを分けて異なる検出処理を行い、現存する画像から最良の結果を得ることが可能です。

解析例8.
Channel Operationメニューを利用した解析例

下の動画では、肝硬変を発症した組織の染色画像を使って、RGBの要素から目的の箇所を強調することが出来る、Channel Operationメニューをご紹介いたします。染色した組織の画像や、蛍光顕微鏡などで撮像した画像に広くご利用頂けます。

解析例7.
Auto Segmentationメニューによる簡単な領域分布

下の動画では、森林の航空写真画像を使って、領域の分割を簡単に行える Auto Segmentationメニューをご紹介しています。領域を大まかに2つに分けたいときなどにとても便利です!

解析例6.
コンパニオン画像の利用

蛍光顕微鏡で撮像した画像から、緑色蛍光の要素で各細胞の範囲を検出した後、赤色蛍光要素の画像を読み込んで各細胞範囲内の輝度を解析しています。2種類の画像をリンクさせて解析できる”コンパニオン画像”機能がとても便利です。

解析例5.
シャーレの検体数を取得

シャーレを撮影した画像から培養された細胞数を直接検出します。

解析例4.
Watershed法での検出

互いに接触する物体をセグメンテーションする際に、Watershed法は良く利用されます。

解析例3.
Deep Learningでの解析

従来の検出方法に加え、Deep Learning(深層学習)による検出が可能になりました。今まで検出できなかった低コントラストの特徴部の検出や、検出ルールの追加、不要な背景の除去などを行う事ができます。

解析例2.
粒子群の分割

粒子が凝集しているオブジェクトを処理して、ASTMに準拠したGrain Size Numberを正確に導くための事前処理を行っています。

解析例1.
粒子数量の簡単カウント

粒子オブジェクトの数量を数えるのは大変な作業です。MIPARで簡単に数量をカウントした例をご紹介します。

レシピ機能を使用する

画像から特徴部分を検出するために複数メニューで作成したアルゴリズムをレシピと呼んでいます。レシピは検出内容に応じてメニューから作成でき、設定項目の追加、削除、移動、編集、順序変更などが自由に行えます。複数の画像に繰り返し適用することができます。

サンプルレシピを開発元のRecipe Storeから無料でダウンロードすることができますのでお試しください。

Recipe Store

ユーザ様ご利用事例

観察に掛かる時間が従来の10分の1以下になりました!

東京薬科大学 薬学部
薬物送達学教室 様

東京薬科大学 薬学部根岸教授と薬物送達学教室の皆様

アディティブマニュファクチュアリングでの欠陥測定にMIPARを活用!

スウェーデン University West
GKN Aerospace社との共同研究

アディティブマニュファクチュアリングでの欠陥測定

ユーザ事例2の解説
スウェーデンのUniversity WestとイギリスのGKN Aerospace社は、共同でニッケル超合金性の航空機部品をAM(アディティブマニュファクチュアリング:積層式金属3Dプリンター)方式で製造する際の欠陥について、人間による測定と画像解析による測定を比較評価し、画像解析の有効性を確認しています。
画像解析については、MIPARとImage-Jの両方で評価していますが、はたしてどちらが有効性が高いと選ばれたでしょうか?

 

★MIPARユーザ事例へのご参加を募集しております★
皆様のご研究をぜひMIPARと一緒にご紹介させてください。ご連絡お待ちしております!

page_top_icon