デコンボリューションアルゴリズム： Huygens デコンボリューション結果を最適化します。
顕微鏡画像の復元
Huygens ソフトウェア は、特定のイメージング条件に最適化されたいくつかの復元方法を提供します。
画像取得の最適化
クリッピングのない十分にサンプリングされた画像は、良好なデコンボリューション結果を得るための重要な出発点です。 より多くの画像アドバイスについては、ここをクリックしてください。
文献における Huygens のデコンボリューション
多くの科学論文は、Huygens のデコンボリューションとそのアルゴリズムについて言及しています。
CMLE Classic Maximum Likelihood Estimation
CMLE は、Huygens で利用可能な最も一般的なデコンボリューションアルゴリズムであり、さまざまなイメージング条件で優れた結果を提供します。Acuity 設定を微調整することで CMLE の結果を最適化できます。また、必要に応じて、SNR 値または反復回数を調整することもできます。CMLE は、完全に GPU で高速化されており、さらに高速な結果が得られます。
非常に堅牢なデフォルトのアルゴリズム。
生データのさまざまな品質に対して良好な結果が得られます。
GPU で高速化。
コンフォーカル画像は、Leica microsystems CMS GmbH 提供。
GMLE Good's Roughness Maximum Likelihood Estimation
GMLE は、通常 STED またはコンフォーカルイメージングで取得される高ノイズ画像を処理するために最適化されたデコンボリューションアルゴリズムです。 CMLE アルゴリズムと同様に、Acuity 設定を調整するか、必要に応じて SNR 値または反復回数を調整することで、 GMLE の結果を微調整できます。 また、 GMLE は、完全に GPU で高速化されています。
CMLE よりも高速で反復回数が少ない。
ノイズの多い画像で良好な結果が得られます。
GPU で高速化。
GMLE は、CMLE より多くの RAM を使用します。
STED 画像は、Leica microsystems CMS GmbH 提供。
QMLE Quick Maximum Likelihood Estimation
QMLE は、低ノイズの広視野画像に対して良好で高速なデコンボリューション結果を提供するデコンボリューションアルゴリズムです。 QMLE では、Acuity 値を変更して結果を調整するか、必要に応じて SNR 設定または反復回数を調整できます。CMLE よりも高速で反復回数が少ない。
低ノイズの画像で良好な結果が得られます。
ノイズの多い画像には最適ではありません。
広視野画像は、スペイン、マドリッドの IBMB の Monica Pons 博士の厚意によります。
アルゴリズムのテストに関する提案
デフォルトのアルゴリズム（+++）から始めて、他のアルゴリズム（++ および +）もテストすることをお勧めします。
| CMLE | QMLE | GMLE | |
|---|---|---|---|
| 広視野 | +++ | ++ | + |
| コンフォーカル | +++ | ++ | |
| 回転ディスク | +++ | ++ | |
| STED | +++ | ++ | |
| SPIMシート光 | +++ |
Iterative Maximum Likelihood Estimation（MLE）
Iterative Constrained Tikhonov Miller（ICTM）
Quick Tikhonov Miller（QTM）
Quick TM の改良版である Classic Tikhonov Miller（CTM）
広視野画像は、 Medical Oncology、 UMC Utrecht、オランダの Livio Kleij 博士および Martijn Vromans 博士のご厚意によります。
ダウンロード： 始めましょう!
Huygensデコンボリューションアルゴリズムが画像をどのように復元できるかテストしてください！ 無料のテストライセンスをリクエストして、Huygens デコンボリューションおよびその他の製品をお試しください。
Download Now!