支援に使用している機器一覧
画像解析支援
セグメンテーション
| 機器・装置名 | メーカー・型式等 / 特徴 | キーワード | 設置機関名 |
|---|---|---|---|
| 3D画像解析ソフトウェア |
Thermo Fisher Scientific・Amira 共焦点顕微鏡等で得られた3D画像データの可視化および計測。 |
セグメンテーション 3D/4D可視化 | 名古屋大学 |
| 3D/4D画像解析ソフトウェア |
Oxford Instruments・Imaris 共焦点顕微鏡等で得られた3D/4D画像データの可視化および計測。 |
物体認識 セグメンテーション 細胞追跡 3D/4D可視化 3D/4D測定 各種定量 | 名古屋大学 |
| 画像解析用ワークステーション |
Intel・Xeon W2123, 3.6GHz, 256GB memory, NVIDIA Quadro RTX 8000 独自開発の画像処理ソフトウェアの実行や，3D可視化データの作成等が可能． |
セグメンテーション 3D/4D可視化 3D/4D測定 | 群馬大学 |
| 深層学習用ワークステーション |
Intel・Core i9 10920X, 3.5GHz, 256GB memory, NVIDIA RTX A6000 x 2 深層学習用に構成されたワークステーション．TensorFlow等，各種フレームワークやMatlabの使用が可能． |
セグメンテーション 機械学習 | 群馬大学 |
| 深層学習用ワークステーション |
Intel・Core i9 10920X, 3.5GHz, 128GB memory, NVIDIA TITAN RTX x 2 深層学習用に構成されたワークステーション．TensorFlow等，各種フレームワークやMatlabの使用が可能． |
セグメンテーション 機械学習 | 群馬大学 |
| 機械学習用計算サーバ |
AMD Ryzen 9 3950X (32) @ 3.5GHz, 64GB memory, NVIDIA RTX A6000 x 1, NVIDIA Quadro RTX 6000 x 1 独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 慶應義塾大学 |
| 機械学習用計算サーバ |
Intel Xeon Gold 6342 (48) @ 3.5GHz, 128GB memory, NVIDIA A100 x 4 独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 慶應義塾大学 |
| 機械学習用計算サーバ |
Intel Xeon Silver 4114 (40) @ 3.0GHz, 96GB memory, NVIDIA V100 x 1, NVIDIA A100 x 3 独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 慶應義塾大学 |
| 機械学習用計算サーバ |
Intel Xeon Silver 4114 (40) @ 3.0GHz, 96GB memory, NVIDIA V100 x 1, NVIDIA A100 x 3 独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 慶應義塾大学 |
| 機械学習用計算サーバ |
Intel Xeon E5-2620 v2 (24) 2.6GHz, 64GB memory, NVIDIA K40m x 1, NVIDIA A100 x 2 独自に開発してきた深層学習を用いた画像解析ソフトウェア及びPyTorch, Tensorflow 等の深層学習フレームワークを実行可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 慶應義塾大学 |
| AI画像解析ソフトウェアAIVIA |
DRVision Technologies レーザー顕微鏡などで得られた3D/4D画像データを可視化、計測、AIセグメンテーションが可能。 |
セグメンテーション 機械学習 3D/4D可視化 3D/4D測定 | 熊本大学 |
| 画像解析ソフトウエア群 |
多様な画像解析タスク（追跡，領域分割，位置合わせ，フィルタリング，対象検出，形状解析など）を実施可能なpythonソフトウエア群 独自に研究開発してきた多様な画像解析用ソフトウエア群。様々なバイオイメージの解析のための基盤プログラムとして利用可能。機械学習利用に関するアドバイスも可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 | 九州大学 |
| ハイパフォーマンスGPU計算機 |
GPUサーバ群（HPCテック RS4X32-10GP他），ラックマウントワークステーション群，デスクトップGPU搭載計算機群，NAS(GNAS-RM2U12B他) 比較的大規模な深層学習も可能なGPUサーバー群． |
物体認識 セグメンテーション 細胞追跡 機械学習 | 九州大学 |
| 画像処理用メモリ共有型並列計算機 |
デル・PowerEdge R930, Intel Xeon E7-8890 x4, 3TB RDIMM |
物体認識 セグメンテーション 細胞追跡 画像変換 | 基礎生物学研究所 |
| 画像解析ワークステーション |
Windows10, メモリ128GB, グラフィックボード16GB, Imaris suite, NIS-elements, LAS-X, Fiji (ImageJ), Office ニコン及びライカの顕微鏡用解析ソフト、汎用画像解析専用ソフトを使う事が可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 3D/4D可視化 3D/4D測定 各種定量 画像変換 | 基礎生物学研究所 |
| 画像解析ワークステーション |
Windows10, メモリ128GB, グラフィックボード16GB Imaris suite (オプション機能としてFilament tracerとCELLを含む), Huygens, Fiji (ImageJ), Office ニコン及びライカの顕微鏡用解析ソフト、汎用画像解析専用ソフトを使う事が可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 3D/4D可視化 3D/4D測定 各種定量 画像変換 | 基礎生物学研究所 |
| 画像解析ワークステーション |
Windows10, メモリ128GB, グラフィックボード16GB Imaris suite (オプション機能としてFilament tracerとCELLを含む), Huygens, Fiji (ImageJ), Office 汎用画像解析ソフトに加え、デコンボリューション処理ソフトを利用可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 3D/4D可視化 3D/4D測定 各種定量 画像変換 | 基礎生物学研究所 |
| 画像解析ワークステーション |
Windows10, メモリ128GB, グラフィックボード16GB Imaris suite (オプション機能としてFilament tracerとCELLを含む), Huygens, Fiji (ImageJ), Office 汎用画像解析ソフトに加え、デコンボリューション処理ソフトを利用可能。 |
物体認識 セグメンテーション 細胞追跡 機械学習 3D/4D可視化 3D/4D測定 各種定量 画像変換 | 基礎生物学研究所 |
お問い合わせ・ご相談はこちらまで
どの支援を受けたらよいかわからない。ABiSの支援対象になるかどうか申請前に確認したい。などはもちろんのこと、具体的な技術に関する質問など、バイオイメージングに関することならどんなことでもご相談ください。
バイオイメージング相談窓口ABiSに寄せられるよくある質問をQ&A形式でまとめました。申請される方はまずこちらをご参考ください。
よくあるご質問