显微镜学

MATLAB 和 Simulink 在显微镜图像分析和仪器控制中的应用

从标准的光学实验台图像到全切片分析，科学家可使用 MATLAB 分析各种尺寸的显微图像。解剖学家、病理学家、微生物学家和生物医学专业人员可以使用 MATLAB 完成标准显微镜工作流程的所有步骤，包括预处理、细胞计数和分类、细胞跟踪、组织分割和疾病诊断。

MATLAB 和 Image Processing Toolbox 与 Computer Vision Toolbox、Statistics and Machine Learning Toolbox 以及 Deep Learning Toolbox 相集成，使科学家能够在其研究中使用多种方法。MATLAB 在显微镜学领域同样拥有强大的开发社区，众多显微镜学专家在此创建更多工具，帮助科学家完成各种任务。

“我们在 MATLAB 中开发算法，然后在 MathWorks 顾问的帮助下将其部署为 App，从而能够获得定量分析结果，避免人为错误，提高协作效率，可靠地再现结果，并使每年完成的可行性研究数量翻倍。”
Ryuta Saito, Mitsubishi Tanabe Pharma

使用 MATLAB 进行显微镜学研究

Mitsubishi Tanabe Pharma Develops Data Analysis Tools to Speed Drug Discovery

日本田边三菱制药株式会社开发数据分析工具加快药物发现

Accelerating Development of a New Single-Molecule Localization and Tracking Technique

加速开发单分子定位与跟踪新方法

Using Image Processing and Statistical Analysis to Quantify Cell Scattering for Cancer Drug Research

使用图像处理和统计分析量化细胞散射，用于抗癌药物研究

使用 MATLAB 进行显微图像分析

科学家使用 MATLAB 在显微镜工作流程中进行定量分析。科学家无需编写代码，使用图像分割器或色阈器等 App 即可开发此类工作流程，然后自动创建文档齐全的代码，其功能与交互式处理完全一致。此外，科学家还可使用形态学和一般图像处理功能来执行常见的显微镜学任务，如细胞分割、计数和识别。同时，在 MATLAB 研发社区，众多科学家积极为显微图像分析开发工具。例如，用户可以在 File Exchange 找到一系列显微镜学工具。

代码示例

第三方工具箱和集成

了解产品

使用 MATLAB 进行全切片分析

blockedImage 是 MATLAB R2019b 全新引入的数据类型，用于处理十亿像素级全切片图像。借助此数据类型，科学家可以使用专为处理较小的显微图像开发的代码，对全切片图像执行核外运算。此数据类型可集成到 Deep Learning Toolbox，支持通过深度学习实现高吞吐量的全切片分析。科学家可使用 MATLAB 在全切片图像中预测结果、分割组织并分析癌症。

成功案例

代码示例和文档

了解产品