AI技術を採用した画像解析ソフトウェアを使い始めたいユーザー向けに、届いてすぐに「MIPAR (マイパー)」を使用できる状態でご提供いたします。
「MIPAR」は、さまざまな特徴の検出、レシピの作成・編集、複数画像への適用、検出データの出力、バッチ処理を可能にするAI画像解析ソフトウェアです。
MIPARの特徴・主な機能
- 複数の断面画像からの3D画像作成や体積計算
- 画像処理の結果をMS WordやPowerPointに反映する際の自動生成機能
- 今まで検出が難しかった特徴部の詳細検出など
弊社では、標準的な機能から、より専門的なオプション機能に至るまで、お客様のご要望や処理内容をヒアリングし、届いてすぐにMIPARを使うための環境構築、および最適なPCのセットアップをご提案します。
教師画像による学習が不要な新オプション"Spotlight"
Image Processorに統合された Spotlight は、通常の検出レシピステップに織り交ぜて利用できます。MIPARの従来のメニュー、Clean-Up、Morphology、および検出マスクの処理には引き続きアクセスできます。 Spotlightのステップを含むレシピは、Batch ProcessorまたはRealtime Processorを使用したバッチ処理が可能です。
MIPAR は、米国 MIPAR Image Analysis 社が開発、株式会社ライトストーンが代理店として取り扱っている製品です。
テガラ株式会社は ライトストーン社との連携により、最適なターンキーシステムをご提案いたします。
MIPAR ターンキーシステム
DeepLearning(深層学習)による検出を可能とするMIPARの性能を最大限に発揮するためには、強力なGPUと十分なメモリを備えた高性能PCが必要です。
以下に 4種類の構成をご紹介します。ユーザー様の解決したい課題や画像処理の内容に合わせたチューニングを行うことで、よりスムーズに業務や研究を進めていただけます。
【重要なお知らせ】一部GPU構成におけるMIPAR起動不具合について
現在、RTX 5000番台（5060／5070）搭載構成において、MIPARが正常に動作しない事象が報告されております。
現在パッチ対応が進行中ですが、正式な動作保証は2025年10月以降になる見込みです（2025年6月時点）。
適宜情報を、当WEBサイトのTOPページ上にてお知らせいたします。
MIPARをご検討中の方には、ご用途やご希望に応じた構成の個別提案を行っておりますのでご相談ください。
エントリー モデル
MIPAR の標準機能を利用することを想定した MIPAR の導入に適した構成です。
メーカー推奨仕様を基準に、十分なメモリ容量、高速ストレージを組み合わせています。
※こちらの エントリー モデルには Deep Learning Trainer オプションが含まれていないため、Deep Learning を用いた検出機能はご利用いただけません
| CPU | Intel Core Ultra 9 285K 3.70GHz(8C/8T)+3.20GHz(16C/16T) |
| メモリ | 合計32GB DDR5 6400 16GB ×2 |
| ストレージ | 1TB SSD M.2 NVMe Gen4 |
| ビデオカード | NVIDIA GeForce RTX5060Ti 8GB |
| OS | Microsoft Windows 11 Professional 64bit |
ターンキーシステム内容 : 上記仕様のワークステーション、MIPAR ベースライセンス、インストール・セットアップ、ライセンス期間に応じた保守サポート 一式
| インストールするライセンスの種類 : | アカデミック向け MIPAR ベース 永続ライセンス |
政府機関向け MIPAR ベース 永続ライセンス |
一般・企業向け MIPAR ベース 永続ライセンス |
| ターンキーシステム 価格 (税込) | 1,615,020円 | 2,351,712円 | 2,671,020円 |
| - 上記ターンキーシステムの価格には、以下 MIPAR ライセンス費用も含まれております - | |||
| 内、ライセンス価格 (永続) | ¥1,072,720(税抜：¥975,200) | ¥1,809,412 (税抜：¥1,644,920) | ¥2,128,720(税抜：¥1,935,200) |
Deep Learning スタンダード モデル
MIPAR でDeep Learning による検出機能 (Deep Learning Trainer オプション)を利用するのに適した構成です。
MIPARの推奨仕様を基準に、Deep Learning 機能を活用するために適度なスペックのGPUと十分なメモリ容量、高速ストレージを組み合わせています。この構成により、Deep Learningタスクをリソースの無駄なく実行できます。
| CPU | Intel Xeon W5-2565X 3.20GHz (TB3.0時 最大4.8GHz) 18C/36T |
| メモリ | 合計128GB DDR5 5600 REG ECC 32GB ×4 |
| ストレージ | 1TB SSD M.2 NVMe Gen4 |
| ビデオカード | NVIDIA GeForce RTX5070Ti 16GB |
| OS | Microsoft Windows 11 Professional 64bit |
ターンキーシステム内容 : 上記仕様のワークステーション、MIPAR ベースライセンス、Deep Learning Trainer オプションライセンス、インストール・セットアップ、ライセンス期間に応じた保守サポート 一式
| インストールするライセンスの種類 : | アカデミック向け MIPAR ベース 永続ライセンス |
政府機関向け MIPAR ベース 永続ライセンス |
一般・企業向け MIPAR ベース 永続ライセンス |
| ターンキーシステム 価格 (税込) | 2,397,736円 | 3,247,816円 | 3,616,360円 |
| - 上記ターンキーシステムの価格には、以下 MIPAR ライセンス費用も含まれております - | |||
| 内、ライセンス価格 - 上段 : MIPAR ベース(永続) - 下段 : Deep Learning Trainer オプション(永続) |
¥1,072,720(税抜：¥975,200) \165,616 (税抜：\150,560) |
¥1,809,412 (税抜：¥1,644,920) \279,004 (税抜：\253,640) |
¥2,128,720(税抜：¥1,935,200) \328,240 (税抜：\298,400) |
Deep Learning プロフェッショナル モデル
MIPARの推奨仕様を上回る、Deep Learning Trainer オプションの機能を最大限に活用できる高性能な構成です。
インテルXeonプロセッサと最新のハイエンドGPU、256GBの大容量メモリ、さらに高速NVMeストレージを組み合わせています。
この構成により、大規模なデータ処理や複雑な計算を スピーディーかつ安定して実行できるだけでなく、作業環境の快適性も大幅に向上します。
| CPU | Intel Xeon W5-2565X 3.20GHz (TB3.0時 最大4.8GHz) 18C/36T |
| メモリ | 合計256GB DDR5 5600 REG ECC 64GB ×4 |
| ストレージ | 2TB SSD M.2 NVMe Gen4 |
| ビデオカード | NVIDIA GeForce RTX5090 32GB |
| OS | Microsoft Windows 11 Professional 64bit |
ターンキーシステム内容 : 上記仕様のワークステーション、MIPAR ライセンス、Deep Learning Trainer オプションライセンス、インストール・セットアップ、ライセンス期間に応じた保守サポート 一式
| インストールするライセンスの種類 : | アカデミック向け MIPAR ベース 永続ライセンス |
政府機関向け MIPAR ベース 永続ライセンス |
一般・企業向け MIPAR ベース 永続ライセンス |
| ターンキーシステム 価格 (税込) | 3,025,836円 | 3,875,916円 | 4,244,460円 |
| - 上記ターンキーシステムの価格には、以下 MIPAR ライセンス費用も含まれております - | |||
| 内、ライセンス価格 - 上段 : MIPAR ベース(永続) - 下段 : Deep Learning Trainer オプション(永続) |
¥1,072,720(税抜：¥975,200) \165,616(税抜：\150,560) |
¥1,809,412 (税抜：¥1,644,920) \279,004 (税抜：\253,640) |
¥2,128,720(税抜：¥1,935,200) \328,240 (税抜：\298,400) |
カスタマイズ モデル
MIPAR の オプション機能である「Spotlight」「Deep Learning Trainer」「3D ToolBox」「Report Generator」を利用する場合に、選択したオプションに応じて構成をカスタマイズするモデルです。処理の内容に応じて GPUを搭載し、最適化を図ります。
ご選択いただいたオプションに応じて最適な構成を別途ご提案いたしますので、ご希望のオプションをお書き添えの上、お知らせください
- 教師画像は作成せずに、自動AIによる検出を行いたい⇒ 「Spotlight」オプション
- 教師画像を作って学習モデルを作り、複数の検出をしっかりと行いたい⇒「Deep Learning Trainer」オプション (※)
- FIB-SEMやMRI、CTなどで撮影した輪切りの画像を並べて立体化したい⇒「3D Toolbox」オプション
- 測定した結果をWord/PDFでレポート形式で出力したい⇒「Report Generator」オプション
※ Deep Learning Trainer オプションは、「Deep Learning スタンダード モデル」「Deep Learning プロフェッショナル モデル」には標準で含まれています
| アカデミック向け 永続ライセンス | 政府機関向け 永続ライセンス | 一般・企業向け 永続ライセンス | |
| Spotlight オプション 価格 | \425,040 (税抜：\386,400) | \723,316 (税抜：\657,560) | \850,960 (税抜：\773,600) |
| Deep Learning Trainer オプション 価格 |
\165,616 (税抜：\150,560) | \279,004(税抜：\253,640) | \328,240(税抜：\298,400) |
| 3D ToolBox オプション 価格 |
\366,960 (税抜：\333,600) | \608,124(税抜：\552,840) | \715,440 (税抜：\650,400) |
| Report Generator オプション 価格 |
\52,250 (税抜：\47,500) | \89,298 (税抜：\81,180) | \105,050 (税抜：\95,500) |
さまざまな分野でのMIPAR活用
MIPARの高分解能な可視化技術は、重要性の高い研究分野での活用が期待されています。
生体組織分析
- 細胞外マトリックス構造の光化学的強化評価
- 細胞内構造物の高解像度観察と機能解析
- 細胞骨格の詳細構造解析による生命現象解明
- 病理組織の異常ナノ構造検出と医薬品開発支援
アスファルテン析出研究
- アスファルテン粒子の核形成・成長過程解析
ナノ材料評価
- 材料の組成、結晶構造、化学結合状態など、根本的な特性を分析
- 材料設計の指針や、製造条件の最適化につながる情報が得られる
またMIPARは、材料表面だけでなく材料そのものの細部に至るまで、詳細な分析が可能です。一例として、製造プロセスの品質管理や不良品検出、材料特性の評価にも使用できます。
品質管理
- 製品の表面だけでなく、内部構造までマイクロスケールで観察可能
- 欠陥や不純物の有無を詳細に検出し、品質の均一性を確保
不良品検出
- マイクロ・ナノレベルの微細な異常を見逃さず検出
- 初期段階での不良品排除が可能
材料特性評価
- 材料の組成、結晶構造、化学結合状態など、根本的な特性を分析
- 材料設計の指針や、製造条件の最適化につながる情報の取得
プロセス条件の最適化
- 各工程での材料の変化を詳細にモニタリング
- 温度、圧力、時間などの条件を細かく制御することで品質向上
新素材開発
- 新規材料の特性を徹底的に分析し、特性と製造条件の関係を把握
- 効率的な新素材開発が可能
上記の画像クリックでカタログをダウンロードいただけます (PDF : 2.91MB)
MIPAR 関連の論文について
ナノ材料の特性評価と生体組織(血管)への応用
Photochemical Modification of the Extracellular Matrix to Alter the Vascular Remodeling Process
Anderson, B., Blair, D., Huff, K., Wisniewski, J., Warner, K. S., & Kauser, K. (2023). Photochemical Modification of the Extracellular Matrix to Alter the Vascular Remodeling Process. Journal of Functional Biomaterials, 14(12), 566. https://doi.org/10.3390/jfb14120566
この研究では、血管組織切片の画像をMIPARで解析し、光化学処理によって強化された細胞外マトリックス（ECM）構造とその劣化抵抗性を評価しています。
アスファルテン析出の動力学メカニズムの解明
Investigating Asphaltene Deposition Kinetics through Particle Size and Count Correlation
Ali, M., & Alake, A. (2023). Investigating Asphaltene Deposition Kinetics through Particle Size and Count Correlation. Preprints, 2023, https://doi.org/10.20944/preprints202309.1646.v1
この研究では、アスファルテン粒子の核形成、成長、および凝集の動力学を理解するために、共焦点顕微鏡と遠心分離法を使用し、実験条件下で粒子サイズと数の時間変化を分析しました。画像解析ソフトMIPARを用いて粒子サイズ分布を解析し、遠心分離によって全アスファルテン量を定量化しました。
ナノ材料評価
Varaprasad, B. S. D. Ch. S., Xu, C., Huang, M.-H., Laughlin, D. E., & Zhu, J.-G. (2023). FePt?BN granular HAMR media with high grain aspect ratio and high L10 ordering on corning Lotus? NXT glass. AIP Advances, 13, 035002. https://doi.org/10.1063/9.0000587
この研究では、MIPARを用いてFePt-BN粒状HAMR媒体の高アスペクト比と高L10秩序を実現した粒子の特性を詳細に解析し、Corning Lotus NXTガラス上での材料特性を評価しています。
