显微镜知识库

徕卡显微系统的知识库提供有关显微镜学科的科学研究和教学材料。内容旨在对显微镜初学者、有经验的显微镜操作实践者和使用显微镜的科学家在他们的日常工作和实验有所帮助。这里有探索交互式教程和应用笔记，你可以找到你需要的显微镜的基础知识以及前沿技术——快来加入徕卡显微知识社区，分享您的专业知识！

显微镜知识库

学习. 分享. 贡献.

显微镜知识库

阅读我们的最新文章

Leica Science实验室作者

认识我们的作者

徕卡科学实验室机构

发现我们的机构

医疗

探索专为神经外科、眼科、整形外科、耳鼻喉科和牙科 HCP 量身定制的科学和临床综合资源，包括行业洞见、临床案例研究和专题研讨会。

生命科学研究

在生命科学研究中心，您可以掌握最新的关于先进显微镜、成像技术、电镜样品制备和图像分析的前沿应用和创新，涵盖的主题包括细胞生物学、神经科学和癌症研究。

工业

深入探讨有关工业和病理学领域的高效检测、优化工作流程和提高人体工学舒适度的文章和网络研讨会。

Area of a printed circuit board (PCB) which was imaged with extended depth of field (EDOF) using digital microscopy.

如何形成清晰的图像

在显微镜检查中，景深常被看做经验参数。在实际操作中，会根据数值孔径、分辨率和放大率之间的相关性确定该参数。为了获得最佳视觉效果，现代显微镜的调节设备在景深和分辨率之间实现了最佳平衡，这两个参数在理论上呈负相关。

Pancreatic Ductal Adenocarcinoma with 11 Aerobic Glycolysis/Warburg Effect biomarkers shown – BCAT, Glut1, HK2, HTR2B, LDHA, NaKATPase, PCAD, PCK26, PKM2, SMA1, and Vimentin.

用大数据视角深入了解胰腺癌研究

胰腺癌由于其靠近主要器官难以分辨和难治疗，死亡率接近 40%，。这个研究探讨了胰腺导管腺癌（PDAC）的复杂生物学机制，研究了代谢、凋亡和免疫中肿瘤侵袭性的相关分子结构和空间决定因素。可以访问您的浏览器中的完整 Cell DIVE 数据集，以深入了解这些发现。

Colon adenocarcinoma and normal colon at the tumor margin. 13 biomarkers shown including Cadherin, CD3, CD4, CD8, CD20, CD31, CD45, Collagen, Caspase 9, BCL2, Beta-Catenin, Vimentin, and Smooth Muscle Actin.

利用大数据查看器揭示结肠癌隐藏的复杂性

结直肠癌是一种的重大健康负担。虽然手术初期有效，但部分患者会发展为预后不良的复发性继发疾病，需要采用免疫疗法等先进治疗手段。利用空间生物学方法，如 Cell DIVE 多重成像技术，可为开发新型治疗方案提供关键洞见。通过 Minerva 图像查看器在浏览器中访问完整的 Cell DIVE 数据集，进一步探索这些发现。

相位对应

使用相差光学显微镜，无需染色就可以更大对比度观察各种类型生物标本的结构。

Blood vessel system of a zebrafish larvae.

克服显微镜成像移动斑马鱼幼虫时的挑战

Zebrafish is a valuable model organism with many beneficial traits. However, imaging a full organism poses challenges as it is not stationary. Here, this case study shows how zebrafish larvae can be…

解剖显微镜

实施解剖工作时，您可以通过解剖显微镜的目镜观察很长时间。徕卡显微系统为您提供各种显微镜和范围广泛的解剖显微镜零配件，确保您能找到最符合您需求的显微镜解决方案。

神经科学研究解决方案

您的工作是更好地了解神经退行性疾病，还是研究神经系统的功能？了解如何使用徕卡显微系统的成像解决方案取得突破。

Cell DIVE multiplexed image of FFPE tissue section from syngeneic murine cancer model, 4T1.

利用人工智能驱动的空间蛋白质组学绘制肿瘤免疫图谱

未经治疗肿瘤的空间图谱分析可呈现肿瘤免疫结构的整体特征，有助于理解治疗反应。具有免疫活性的小鼠模型对于识别肿瘤发生发展过程中免疫依赖性事件至关重要。要表征这些具有完整免疫系统及相互作用细胞组分的模型，需要采用多重标记分析技术。我们展示了一种基于人工智能的空间蛋白质组学方法，用于研究小鼠癌组织中的肿瘤-免疫互作机制。