仪器网（yiqi.com）欢迎您！

重新定义共聚焦成像检测极限

充分利用您从标本中提取的信息，并通过独特的LIGHTNING探测概念获得科学问题的答案。

LIGHTNING是一种自适应的信息提取过程，可以完全自动地揭示精细的结构和细节。传统的方法是为整个图像使用一组全局参数，而LIGHTNING是为每个体素计算一组适当的参数，以高保真度揭示细节。

LIGHTNING助力STELLARIS进行多色超分辨率成像，且不会降低成像的速度。

只需一键即可开启LIGHTNING

• 从您的图像中显示更多的信息，并解析到120 nm的纳米级结构

• 在超分辨率下获得真正同时的多色成像

• 得益于快速的采集速度和低的光毒性，可助力您研究活体标本的细节

只需一键即可获得相关的图像信息

显微图像，甚至是共聚焦图像，包含了比传统采集方法所能解析的更多的细节。LIGHTNING使你能够揭示更多存在于你的图像中的信息。它是全自动的，可以用于任何样本的成像和任何类型的实验。

LIGHTNING提供了优异的从图像中提取信息的能力，这要归功于它的自适应图像重建，它以(近)实时和5D的方式工作。虽然通常的图像后处理遵循单向通用的策略，但LIGHTNING会动态确定图像中每个位置的精 准信息，以获得更好的结果。

与到目前为止的标准成像方法相比，用LIGHTNING获取的共聚焦图像看起来就像是去除了目标信号上的一层迷雾。由此产生的图像显示了相关信息的清晰视图。此外，LIGHTNING图像信息提取将STELLARIS共焦平台的分辨率扩展到超高分辨率领域——可以分辨出小至120 nm的纳米结构。

染色体。左图为原始图像。右图，LIGHTNING图像

LIGHTNING决策掩膜

LIGHTNING决策掩模对每个特定体积元素应用个性的拟合重建策略。

用伪彩色标记显示不同的图像质量，从紫色(低图像质量)到红色(高图像质量)。

这和采用全局有效重建方案的其他传统方法形成了强烈对比。

LIGHTNING决策掩膜——以伪彩色显示不同的图像质量衡量标准

完全集成到实时图像采集过程中

利用系统参数、图像数据和优化的GPU处理的智能组合，LIGHTNING即使在高挑战性的成像条件时也能发现重要的图像信息。它允许您获得更多的信息，即使在所获光子有限和超快成像的情况下也是如此。

LIGHTNING与图像采集过程的深度集成使您可以动态应用图像恢复。您可以立即将LIGHTNING获取的附加图像信息反馈到采集参数设置中，从而节省时间，实时成像。

FluoCells小鼠肠道切片，杯状细胞粘液。灰色，Alexa Fluor 350 WGA标记细胞核；绿色，SYTOX Green标记丝状肌动蛋白；红色，Alexa Fluor 568标记鬼笔环肽。

多色超高分辨率同时成像

LIGHTNING允许以高速进行多色超高分辨率采集。STELLARIS共聚焦平台的无滤片光谱式探测系统最多可以同时采集五个通道。

与只有一个超分辨率通道的解决方案相比，多通道采集允许以更快的速度并行进行数据采集。如下图所示，当你用LIGHTNING在一台STELLARIS上获得八张多色图像时，单一超分辨率通道的解决方案只能获得一张单色的超高分辨率图像。

无需在速度和分辨率直接进行取舍

标准的共聚焦系统以牺牲速度来换取分辨率。LIGHTNING则无需降低图像采集的速度。STELLARIS 8系统(12 kHz扫描头可以以40 fps的速度获取512 x 512的图像)的全帧速率在所有通道中都保持不变。每个通道都提供低至120 nm的超高分辨率。这种设置比只有一个超分辨率的单一通道与标准共聚焦通道相结合的设置要好，因为它允许您以纳米级分辨率捕捉在毫秒级时间尺度上发生的动态事件。你现在可以以极高的分辨率观察细胞动力学中所需要的细节。

草履虫。左图为原始图像。右图，LIGHTNING图像。样本由法国CNRS的Anne Aubusson-Fleury提供 

优化的参数设置，可重现的实验结果

LIGHTNING共聚焦成像是基于自适应智能技术，该技术优化了样本中每个探测位置的图像。最 终的参数集与每个图像一起存储，成像条件被完全记录下来，因此是可重现的。您可以放心，从LIGHTNING图像中提取的信息符合您特定的科学要求。

此外，LIGHTNING还能实现

• 集成的在线图像采集-不需要后处理

• 可以处理由时间序列，多点采集和拼图产生的大量数据

• 使用LAS X 3DViewer模块可以查看LIGHINIG 3维数据

• 使用LAS X量化工具分析LIGHTNING图像

动态采集图像数据

利用最近的GPU运算能力，可以将LIGHTNING信息提取过程整合到数据采集流中，从而实现了更高速的信息采集和提取。LIGHTNING完全支持NVIDIA CUDA平台，该平台利用了GPU上的高度并行化和系统优化计算。

您可以受益于用于图像重建的底层约束迭代方法。基于光学原理，这是实时显示图像中包含的信息的正确方法。