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 福井工業大学
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 福井工業大学
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 福井工業大学
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