透過 AI 運算提升影像訊噪比（S/N），有效降低顯微螢光成像時所產生的光毒害現象
使用螢光觀察搭配縮時攝影顯微技術，可即時視覺化細胞中不斷變化的細節，為闡明亞細胞事件不可或缺的實驗方法之一。
為了獲得清晰的螢光影像，需要加強激發能量或增加曝光時間才能擁有足夠的螢光訊號。然而，激發光的重複照射會產生活性氧，造成螢光染料的光漂白及細胞光毒害現象。隨著螢光強度的降低或細胞損傷造成的生物現象減弱，會顯著影響定量分析的可靠性。由此可知，如何在避免光漂白及光毒害下，同時獲得清晰的螢光影像是研究人員的重要課題。
解決方案
使用者一般會透過調整對比度來增強螢光影像，但同時雜訊也會被增強而導致實際螢光訊號與雜訊差異過小，導致影像變得不清晰。
使用 Nikon AI 軟體模組中的 Enhance.ai，輸入數組成對的強螢光訊號及弱螢光訊號影像，以深度學習演算法訓練後，即可透過該模型將利用降低激發能量，或縮短曝光時間所獲得的微弱螢光影像提高訊噪比（S/N）。如此一來，即可有效降低光漂白與光毒害的問題，進而增加實驗數據的定量評估穩定性。
下列範例中，研究學者在實驗過程中使用 Enhance.ai，利用量測細胞中粒線體的長度，藉以證實使用 AI 模組後可有效降低與激發光相關的光毒害現象。
 |
 |
應用情境
▼ AI 訓練流程
實際範例
 |
 |
▲調整對比度 |
▲使用 Enhance.ai |
應用產品
- Eclipse Ti2-E 全新設計倒立顯微鏡，擁有無敵超大 25mm視野數（Field of View），不需妥協即可匹配大尺寸感測晶片 CMOS cameras，顯著提升資料輸出量。Ti2 搭載穩定的抗漂移對焦平台，應付 super-resolution 超高解析快速成像的挑戰，游刃有餘。機身內部新增多處偵測元件，協助使用者判讀光學配件是否有在正確光路上，減少錯誤發生。另外，每個感測點資訊均可在拍照時自動記錄下來，方便實驗品管控制並能加強資料再現性。
- Nikon NIS-Elements 影像擷取分析軟體，多維度拍照，量測功能，EDF 延伸景深模組，AI 模組，deconvolution 去模糊功能，3D construction 建構，tracking 追蹤模組，JOBs 客製流程自動化，GA3 分析模組。
- Nikon NIS.ai 人工智慧影像分析模組，運用人工智慧深度學習演算法，找出目標影像中的特定結構化與規則性，可將樣品精準分類、增強影像清晰度、去除雜訊，提升現有分析技術，並有反饋機制，可以餵新資料再訓練調整，最後最佳資訊將會孕育而出。