Automated detection and cell density assessment of keratocytes in the human corneal stroma from ultrahigh resolution optical coherence tomograms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Keratocytes are fibroblast-like cells that maintain the optical clarity and the overall health of the cornea. The ability to measure precisely their density and spatial distribution in the cornea is important for the understanding of corneal healing processes and the diagnostics of some corneal disorders. A novel computerized approach to detection and counting of keratocyte cells from ultra high resolution optical coherence tomography (UHR-OCT) images of the human corneal stroma is presented. The corneal OCT data is first processed using a state-of-the-art despeckling algorithm to reduce the effect of speckle on detection accuracy. A thresholding strategy is then employed to allow for improved delineation of keratocyte cells by suppressing similarly shaped features in the data, followed by a second-order moment analysis to identify potential cell nuclei candidates. Finally, a local extrema strategy is used to refine the candidates to determine the locations and the number of keratocyte cells. Cell density distribution analysis was carried in 3D UHR-OCT images of the human corneal stroma, acquired in-vivo. The cell density results obtained using the proposed novel approach correlate well with previous work on computerized keratocyte cell counting from confocal microscopy images of human cornea.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle