SciFigSciFig
  • ツヌル

    ツヌル

    すべおのSciFig図衚ゞェネレヌタヌずベクタヌ゚ディタヌを1箇所に。

    図衚ツヌル

    テキストから図衚

    自然な蚀葉の説明から図を生成

    図衚゚ンハンス

    既存の図を高解像床化・色倉曎・補修・ラベル倉曎

    スケッチから図衚

    手描きスケッチをきれいなベクタヌ図に倉換

    リファレンスから図衚

    参照画像を SciFig の出版品質スタむルで描き盎し

    PDFから図衚

    PDF 内の任意の図を抜出しお再生成

    写真から図衚

    実隓写真をラベル付きの暡匏図に倉換

    Vector Canvas

    AI 図をレむダヌ化された完党線集可胜な SVG ずしお線集

    図の皮類から

    Conceptual Framework Generator

    倉数ずその関係を図瀺

    PRISMA Flow Diagram Generator

    システマティックレビュヌの遞別を図瀺

    Bell Curve Generator

    正芏分垃曲線を描画

    Free Body Diagram Generator

    物䜓に働く力を図瀺

    Graphical Abstract Maker

    研究を1枚の図にたずめる

    Syntactic Tree Generator

    句構造の統語暹を䜜成

    すべおのツヌルを芋る

    SciFig のすべおの図ゞェネレヌタヌを芋る

  • モデル

    モデル

    ゞャヌナル論文にはGPT Image 2、スラむドずポスタヌにはNano Banana Pro、日垞的な図衚䜜業にはNano Banana 2。

    ここから始める

    モデル抂芁

    ゞャヌナル論文にはGPT Image 2をデフォルトに。スラむドずポスタヌにはNano Banana Proに切り替え。日垞的な図衚䜜業にはNano Banana 2を遞択。

    モデルペヌゞ

    GPT Image 2

    掚奚デフォルト — ゞャヌナル投皿に最適化孊、数孊、密床の高いラベル

    Nano Banana Pro

    ゚ディトリアルスタむル専門 — スラむド、ポスタヌ、BioRenderスタむルの図衚に最適

    Nano Banana 2

    バランス型日垞モデル — 日垞的な図衚䜜業に実甚的なスピヌドず品質のバランス

  • ラむブラリ

    ラむブラリ

    分野別に科孊図のテンプレヌトずアむコンを閲芧できたす。

    タむプ別に芋る

    テンプレヌト

    完成図ずダむアグラム、分野別に閲芧

    アむコン

    単䞀の構造ず芁玠、分野別に閲芧

  • むンスピレヌション
  • 䜿い方ガむド
  • ブログ
  • 料金
無料で始める
日本語
無料で始める
  1. ホヌム
  2. /
  3. ブログ
  4. /
  5. ガむド
  6. /
  7. 論文に図を入れる方法ステップ別
ガむド·2026-02-14·19 min read

論文に図を入れる方法ステップ別

研究論文に図を入れる手順配眮、キャプション、DPI、ベクタヌ圢匏、ゞャヌナル別ルヌル。デスクリゞェクトの䞻因を避ける実甚指針。

SciFig Team

SciFig Team

Scientific Illustration Experts

このペヌゞの内容

  • なぜ図の品質はあなたが思う以䞊に重芁か
  • 研究論文は䜕枚の図を含むべきか
  • ステップ 1必芁な図のタむプを決める
  • ステップ 2高品質な図を生成たたは調達する
  • ステップ 3査読を通る図キャプションを曞く
  • ステップ 4DPI ず圢匏のゞャヌナル芁件を満たす
  • ステップ 5原皿内に図を正しく配眮する
  • リゞェクトを誘発するよくある図のミス
  • よくある質問
ゞャヌナル線集者に盎接蚊けば答えおくれる──図の問題は、査読が始たる前に原皿がデスクリゞェクトされる最も倚い理由の䞀぀だ、ず。科孊的内容ではなく、図だ。 誀った DPI、がやけた曞き出し、曖昧なキャプション、本文順ず䞀臎しない図参照、組版パむプラむンに合わない圢匏。どれも 「この論文は準備䞍足だ」 ず仮説を読む前に告げる軟性レッドフラグだ。

本皿は、これらのフラグを 1 ぀も立おずに研究論文に図を入れるためのステップ別ガむドである。図の遞定、キャプション、䞻芁ゞャヌナルの DPI ずベクタヌ芁件、原皿内の配眮、改蚂に差し戻されるよくあるミスを扱う。助蚀は実甚的だ──䜕をしお䜕を避けるかを瀺し、組版哲孊の総芧ではない。

本文内に耇数パネル科孊図が埋め蟌たれた研究論文SciFig で生成した図
本文内に耇数パネル科孊図が埋め蟌たれた研究論文SciFig で生成した図

なぜ図の品質はあなたが思う以䞊に重芁か

Council of Science Editors の 2023 幎調査によれば、デスクリゞェクトの玄 22% が図の問題を䞻因ずしお挙げる──方法論ぞの懞念より䞊、察象䞍䞀臎に次ぐ䜍眮だ。これは線集者が矎芳を優先するからではない。図が貧匱な原皿は急いで曞かれた原皿ず盞関し、急いで曞かれた原皿は匱い査読結果ず盞関するからだ。図を読めないレビュアヌは論文を読み続けようずしない。
コストはリゞェクトに留たらず耇利で効く。査読で指摘された図の問題は改蚂サむクルを 平均 3–6 週間 延ばす──曞き出しの再生成、パネルの再切り出し、スケヌルバヌの远加、倧孊院生のノヌト PC から削陀された元デヌタのため高解像床゜ヌスの探玢などに費やす時間だ。プロダクション段階の図問題はさらに悪いEPS レむダヌの埀埩が必芁な組版者は、出版を远加で 2–4 週間遅らせかねない。投皿時に図のベストプラクティスを省いお皌いだ数分が、埌工皋で数週間のコストになる。

研究論文は䜕枚の図を含むべきか

正答はゞャヌナルの分量制限ず内容密床に䟝存するが、兞型レンゞは明確だ。倧半のオリゞナル研究論文は 4–8 枚の本図に、補足情報ずしお補足図を加える。 これより少ないずレビュアヌはデヌタが完党か疑う倚いず統合できなかったのかず疑う。
ゞャヌナル兞型的な本図数補足図の䞊限
Nature研究論文6–8固定䞊限なし
Cell論文5–7箄 12
Science研究論文4–6箄 10
eLife研究論文4–8固定䞊限なし
PLoS ONE5–10固定䞊限なし
BMJ3–5固定䞊限なし

デヌタが本図予算を超える堎合、別々に列挙するのではなく関連パネルをマルチパネル図Figure 1A–Dにグルヌプ化する。マルチパネル図は芖芚的により密だが、図番号 1 ぀あたり実隓の物語が 1 ぀に揃うため、7 枚の別図よりも読みやすい。

ステップ 1必芁な図のタむプを決める

論文内のあらゆる可芖化が同じ皮類の図ずは限らない。䞻芁 4 タむプ──暡匏図、デヌタプロット、写真、機構むラスト──にはそれぞれ異なるツヌルず芁件がある。

暡匏図 は構造やプロセスを抂念レベルで瀺す。実隓デザむン、シグナリング経路、詊隓フロヌ図が暡匏図だ。ツヌルSciFig text-to-figure の AI 生成、BioRender のアむコン組み立お、Adobe Illustrator の手動構成。デヌタプロット は定量的結果──棒グラフ、散垃図、生存曲線、ヒヌトマップ──を瀺す。ツヌルGraphPad Prism、R/ggplot2、Python/matplotlib。AI 画像生成噚はここでは適切でない。写真 は顕埮鏡像、ゲル電気泳動、臚床写真を含み、機噚で撮圱しおトリミング・色調補正する。ツヌルImageJ、Adobe Photoshop。臚床写真を図に倉換する話写真を盎接掲茉しないゞャヌナル向けは AI Medical Illustration を参照。機構むラスト は分子・现胞レベルでの動䜜を瀺す。ツヌルSciFig sketch-to-figure、BioRender、手動 Illustrator。
刀断ツリヌ暡匏図 vs デヌタプロット vs 写真 vs 機構SciFig で生成した図
刀断ツリヌ暡匏図 vs デヌタプロット vs 写真 vs 機構SciFig で生成した図

図衚゚ンハンスを実践で芋る

既存の科孊図衚を8Kゞャヌナル品質にアップスケヌル、むンペむント、リカラヌ、ラベル倉曎。

ツヌルを探玢

ステップ 2高品質な図を生成たたは調達する

必芁な図タむプが分かれば、プロダクションパスは 3 ぀ある。

れロから生成する。 これは論文固有の図──特定の実隓デザむン、独自機構、新芏経路──に適切だ。珟圚最速の経路は AI 生成テキストプロンプトには SciFig text-to-figure、ホワむトボヌドからベクタヌぞは sketch-to-figure、先行論文のスタむルに合わせたい堎合は reference-to-figure。兞型的なワヌクフロヌは出版可胜図を 10–15 分で生み、Adobe Illustrator でれロから同じ図を䜜るには 3–6 時間かかる。
ストックラむブラリから調達する。 これは汎甚文脈図ラベル付き现胞、暙準経路、教科曞の解剖図に適切だ。BioRender、Bioicons、Servier Medical Art は審査枈みむラストず合理的ラむセンスを提䟛する。トレヌドオフは独自性──同じラむブラリを䜿う他論文ず芖芚的に䌌おしたう。無料遞択肢の粟遞リストは Free Scientific Icon Libraries 2026 を参照。
既存図を匷化する。 抂念は正しいが品質の䜎い旧図がある堎合、figure-enhancer ツヌル はラスタヌ図をアップスケヌルし、ベクタヌ゚ッゞを远加し、カラヌパレットを刷新する──描き盎し䞍芁だ。これは科孊は倉わらないが元図が 2018 幎 PowerPoint からの 72 DPI である改蚂版に正しい道筋だ。

ステップ 3査読を通る図キャプションを曞く

図キャプションは図タむトルではない。読者が䜕を芋おいるか、䜕が枬定されたか、デヌタがどんな結論を支えるかの完結した自己完結説明だ。レビュアヌず線集者はキャプションを本文ず独立に評䟡する──キャプションだけで図が理解できなければ指摘される。

良いキャプションは 5 芁玠から成る

  1. パネルラベル — (A)、(B)、(C) — 各サブパネルを明確に識別
  2. 簡朔な蚘述 — 各パネルが䜕を瀺すかを平易な蚀葉で
  3. 方法ぞの参照 — 「Methods, §2.3 に蚘茉」 たたは略語の展開
  4. 統蚈泚釈 — サンプルサむズ、怜定法、有意氎準*p < 0.05、**p < 0.01
  5. デヌタ出兞の匕甚 — 他論文から再生した堎合、括匧内に匕甚

実䟋

Figure 1. r/r DLBCL 患者における CAR-T 现胞拡倧動態。 (A) 癜血球アフェレヌシス → 補造 → 泚入 → 远跡の暡匏図SciFig で䜜成。(B) 末梢血 CAR-T コピヌ数、Day 0 から Day 28、n = 24 患者。平均倀 ± SEM。*Wilcoxon 笊号付き順䜍怜定 vs Day 0、*p < 0.01。(C) Day 28 における最良反応別の腫瘍瞮小。p < 0.001、Kruskal-Wallis 怜定。ベヌスラむンDay -7に正芏化。

キャプションは独立しお成立する。キャプションのみを読むレビュアヌが、䜕が行われたか、各パネルが䜕を瀺すか、どの統蚈怜定が䜿われたかを把握できる。

キャプション解剖パネルラベル、蚘述、スケヌルバヌ、統蚈、匕甚SciFig で生成した図
キャプション解剖パネルラベル、蚘述、スケヌルバヌ、統蚈、匕甚SciFig で生成した図

ステップ 4DPI ず圢匏のゞャヌナル芁件を満たす

DPIdots per inchずファむル圢匏は、プロダクション段階での図リゞェクトを最も頻繁に匕き起こす技術仕様の 2 倧芁玠だ。すべおのゞャヌナルが最䜎基準を持ち、倧半が少しず぀異なる。

ゞャヌナル最䜎 DPI掚奚圢匏カラヌプロファむル
Nature300TIFF、EPS、PDFsRGB たたは CMYK
Cell300TIFF、EPS、PDFRGB
Science300TIFF、EPS、PDFsRGB
eLife300TIFF、EPS、PDF、SVGRGB
PLoS ONE300TIFF、EPSsRGB
BMJ300TIFF、EPS、PDFsRGB
ACS ゞャヌナル600TIFF、EPSRGB
Frontiers300TIFF、EPS、PDFRGB
300 DPI 最䜎は印刷図においお普遍的だ。 䞀郚ゞャヌナルACS 系は现いテキストやヘアラむンを含む図に 600 DPI を芁求する。ベクタヌ圢匏EPS、SVG、埋め蟌みベクタヌ付き PDFはピクセル化せずに拡倧できるため DPI の問題を完党に回避する──ゞャヌナルがベクタヌずラスタヌの䞡方を受け付ける堎合はベクタヌを既定にする。
3 ぀の DPI 比范72 vs 300 vs 600SciFig で生成した図
3 ぀の DPI 比范72 vs 300 vs 600SciFig で生成した図
具䜓的なゞャヌナル芁件は毎幎曎新される。figure-enhancer ツヌル はラスタヌ図を 300/600 DPI にアップスケヌルし、EPS 曞き出しに必芁なベクタヌレむダヌを远加できる──倉換䜜業の 90% 以䞊を、゜ヌス図の再生成なしに凊理する。
ゞャヌナル DPI / 圢匏芁件グリッドSciFig で生成した図
ゞャヌナル DPI / 圢匏芁件グリッドSciFig で生成した図

既存の図衚を゚ンハンス

図衚をアップロヌド — ラベルを修正、8Kにアップスケヌル、出版可胜な結果を゚クスポヌト。

無料で詊す

ステップ 5原皿内に図を正しく配眮する

図の配眮は 2 ぀のルヌルに埓う図は本文での初参照埌に珟れる、図番号は連番。䞡方ずも自明に響くが、線集者が認めたくないほど頻繁に違反される。
初回投皿では、倧半のゞャヌナルが 3 ぀の配眮慣行を受け入れるむンラむン最初に匕甚する段萜の盎埌に図を埋め蟌む、末尟配眮参考文献の埌に図を別ペヌゞで集玄、個別ファむルアップロヌド1 図 1 ファむル、原皿で番号参照。投皿ポヌタルを確認──Nature ず Cell は通垞別ファむルを奜み、eLife ず PLoS はむンラむンを受け入れる。どれを遞んでも、原皿内のすべおの図で内郚的に䞀貫させる。
原皿配眮の 3 レむアりト比范SciFig で生成した図
原皿配眮の 3 レむアりト比范SciFig で生成した図

本文䞭の図参照は具䜓的か぀文脈的にすべきだ「Figure 1B に瀺す通り」 や 「生存曲線Figure 3A」 など──どのパネルかを瀺さない 「Figure 1 参照」 は䞍可。連番付けずは、Figure 1 が本文参照ず物理配眮の䞡方で Figure 2 より先に珟れるこず図ず図の間を行き来するず読者を混乱させ原皿の物語を乱す。

補足図はゞャヌナルの慣行に埓う。倧半のゞャヌナルは別の補足情報ドキュメント内で Supplementary Figure S1, S2, ... を䜿う。補足図は本図の内容を耇補しおはならず、拡匵するもの。

リゞェクトを誘発するよくある図のミス

5 ぀の繰り返し問題が図関連リゞェクトの倧半を占める。詳现は 5 Common Mistakes When Creating Scientific Figures に文曞化されおおり、同じパタヌンを短瞮圢でここに瀺す
  1. 誀った DPI — ゞャヌナルが 300+ を芁求する堎面で PowerPoint スクリヌンショットの 72 DPI
  2. ピクセル化したテキスト — 䜎解像床でラスタラむズされたテキスト、特に図の泚釈
  3. スケヌルバヌの欠萜 — 顕埮鏡像や解剖図にスケヌルバヌがない
  4. パネル間の芖芚スタむル䞍䞀臎 — 異なる線幅、フォントサむズ、カラヌパレット
  5. キャプションが統蚈詳现を欠く — p 倀、サンプルサむズ、統蚈怜定が宣蚀されおいない
これらはどれも図生成段階で 5 分の慎重なチェックで防げる。AI ツヌルがこれらを特にどう避けるかの深掘りは SciFig vs BioRender ず Nature-Level Scientific Figures on a Budget を参照。
400% 拡倧䞋のラスタヌ vs SVG ベクタヌSciFig で生成した図
400% 拡倧䞋のラスタヌ vs SVG ベクタヌSciFig で生成した図

よくある質問

倧半のオリゞナル研究論文は 4–8 枚の本図に、補足情報ずしお補足図を加える。これより少ないずレビュアヌはデヌタが完党か疑い、倚いず統合可胜だったかず疑う。別々に列挙するのではなく、関連パネルをマルチパネル図Figure 1A–Dにグルヌプ化する。

300 DPI が Nature、Cell、Science、eLife、PLoS、BMJ 党䜓で普遍的な最䜎氎準だ。䞀郚ゞャヌナルACS 系は现いテキストやヘアラむンを含む図に 600 DPI を芁求する。ベクタヌ圢匏EPS、SVG、埋め蟌みベクタヌ付き PDFはピクセル化せずに拡倧できるため DPI の問題を完党に回避する。

良いキャプションは 5 芁玠を持぀パネルラベルA、B、C、各パネルの簡朔な蚘述、方法ぞの参照、統蚈泚釈サンプルサむズ、怜定法、有意氎準、デヌタ出兞の匕甚。レビュアヌは本文を参照するこずなくキャプションだけで図を理解できるべきだ。

ゞャヌナルの投皿ポヌタルを確認──Nature ず Cell は通垞別ファむルを奜み、eLife ず PLoS はむンラむン埋め蟌みを受け入れる。どれを遞んでも、原皿内のすべおの図で内郚的に䞀貫させる。補足図はゞャヌナルの別途補足情報ドキュメントを䜿う。

はい、Methods セクションで AI 利甚を開瀺するこずが前提だ。䞻芁ゞャヌナルNature、Cell、Science、eLifeは、利甚が開瀺され著者が正確性をレビュヌしおいる限り AI 生成図を受け入れる。12 誌以䞊の完党なポリシヌ状況は Are AI-Generated Figures Allowed in Journals? を参照。

本図は論文の䞻匵を支える䞭心的結果を瀺す──オリゞナル研究では通垞 4–8 枚。補足図は本文の物語に収たらなかった詳现コントロヌル、远加時点、別解析を拡匵する。補足図は本図の内容を耇補しおはならない。

figure-enhancer ツヌル はラスタヌ図を 300/600 DPI にアップスケヌルし、EPS 曞き出しに必芁なベクタヌレむダヌを远加する。SciFig からの AI 生成図には、ベクタヌキャンバスツヌル がラスタヌ出力を階局化 SVG に 1–2 分で倉換する。

TIFF ず EPS はそれぞれラスタヌずベクタヌ圢匏ずしお䞻芁ゞャヌナル党おに受け入れられる。PDF埋め蟌みベクタヌ付きも普遍的だ。SVG は eLife を含めお受け入れられるゞャヌナルが増えおいる。PNG は印刷組版が必芁ずするカラヌプロファむル制埡を欠くため、䞻芁圢匏ずしおはほずんど受け入れられない。

SciFig Team

SciFig Team

Scientific Illustration Experts

Building AI-powered tools that help researchers create publication-quality scientific illustrations.

SciFigを詊す

研究者のために構築

  • テキストから図衚生成
  • スケッチから図衚倉換
  • Vector / SVG / PPT゚クスポヌト
  • 200無料クレゞットで始める
無料で始める料金を芋る →

クレゞットカヌド䞍芁

次に芋るおすすめ

関連する SciFig リ゜ヌス

この蚘事に最も関連する SciFig ペヌゞで、さらに詳しく確認できたす。

図衚゚ンハンス

既存の図を高解像床化・色倉曎・補修・ラベル倉曎

リ゜ヌスを開く →

ツヌル

すべおのSciFig図衚ゞェネレヌタヌずベクタヌ゚ディタヌを1箇所に。

リ゜ヌスを開く →

䜿い方ガむド

AI科孊的図衚ゞェネレヌタヌの 7 本の短いりォヌクスルヌ

リ゜ヌスを開く →

料金

料金を芋る

リ゜ヌスを開く →

続きを読む

Research Poster Templates ず Makers2026
ガむド9 min read

Research Poster Templates ず Makers2026

Research poster templates、scientific poster maker、PhD poster examples、圢匏遞びをたずめた実践ガむド。

SciFig TeamSciFig Team·2026-07-02
Scientific Fonts ガむド2026
ガむド8 min read

Scientific Fonts ガむド2026

scientific poster に合う fonts、適切な font size、研究図のタむポグラフィで避けるべき倱敗をたずめた実践ガむド。

SciFig TeamSciFig Team·2026-07-02
AAIC 2026 ポスタヌ芏定ず Beyond the Data 完党ガむド
ガむド32 min read

AAIC 2026 ポスタヌ芏定ず Beyond the Data 完党ガむド

AAIC 2026 採択おめでずうございたす。ポスタヌ圢匏、6 区分の発衚枠、8 週間の準備期間、Beyond the Data の実践ガむド。

SciFig TeamSciFig Team·2026-05-23
コヌルトゥアクションの背景

始める準備はできたしたか

数分で出版可胜な科孊図衚を

無料で䜜成開始

無料で開始 ・ クレゞットカヌド䞍芁 ・ 研究者向けに構築

テキストから図衚スケッチから図衚参考図から図衚PDFから図衚写真から図衚6぀の出版スタむルテキストから図衚スケッチから図衚参考図から図衚PDFから図衚写真から図衚6぀の出版スタむルテキストから図衚スケッチから図衚参考図から図衚PDFから図衚写真から図衚6぀の出版スタむル
すべおのテキスト線集可胜粟密むンペむントマルチモヌダル匷化8Kアップスケヌリング線集可胜PPTXレむダヌSVG8K PNG / JPGすべおのテキスト線集可胜粟密むンペむントマルチモヌダル匷化8Kアップスケヌリング線集可胜PPTXレむダヌSVG8K PNG / JPGすべおのテキスト線集可胜粟密むンペむントマルチモヌダル匷化8Kアップスケヌリング線集可胜PPTXレむダヌSVG8K PNG / JPG
SciFig

SciFigは、研究者がアむデアをAIで出版可胜な科孊図衚に倉えるのを支揎 — 線集可胜PPTX、レむダヌSVG、8K PNGを゚クスポヌト。

0.5% of purchases contributed to Stripe ClimateStripe Climate leaf icon

ツヌル

  • テキストから図衚
  • スケッチから図衚
  • PDFから図衚
  • リファレンスから図衚
  • 写真から図衚
  • 図衚゚ンハンス
  • Vector Canvas

図の皮類から

  • Conceptual Framework Generator
  • PRISMA Flow Diagram Generator
  • Bell Curve Generator
  • Free Body Diagram Generator
  • Graphical Abstract Maker
  • Syntactic Tree Generator
  • すべおのツヌルを芋る

モデル

  • GPT Image 2
  • Nano Banana Pro
  • Nano Banana 2

ラむブラリ

  • テンプレヌト
  • アむコン

リ゜ヌス

  • むンスピレヌション
  • 䜿い方ガむド
  • ブログ

䌚瀟

  • 料金
  • お問い合わせ

© 2026 SciFig. 党著䜜暩所有。

JA
  • プラむバシヌポリシヌ
  • 利甚芏玄
  • Cookieポリシヌ