GRID macroscopic growth law and its application to image inference
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
In computational anatomy large deformations of anatomical structures observed in images are represented by diffeomorphic flows on the background space of coordinates. They are usually <italic>maximum a posteriori</italic> (MAP) estimates obtained by minimization of the cost function (posterior energy) consistent with the material properties of an organism. This paper constructs the underlying transformations induced by biological growth according to the Growth as Random Iterated Diffeomorphisms (GRID) model proposed by U. Grenander. They are diffeomorphic flows generated by the GRID macroscopic growth integro-differential equation that emphasizes dependency of the flow on such GRID variables as the Poisson intensity of cell decisions and relative rate of expansion/contraction. We explore some cost function models that yield biologically meaningful estimates of these growth parameters. Namely, we seek a prior energy that measures cell activities represented by the Poisson intensity function. Using the macroscopic growth law we formulate an optimal control problem where the GRID variables are optimal controls that force an image of the initial organism to be continuously transformed into an image of the grown organism. We apply the Polak-Ribière conjugate gradient algorithm for direct estimation of the growth parameters from given images. Then the biological mapping is automatically obtained from estimated growth parameters. The accuracy of GRID variable and image estimates obtained by the inference algorithm depends on the value of the weighting coefficient of the prior energy. We propose an experimental evaluation of this coefficient and reveal growth patterns expressed in GRID variables hidden in confocal micrographs of Wingless gene expression patterns in the larval Drosophila wing disc.
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 | 0,001 | 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