MétaCan
Menu
Retour à la cohorte
Enregistrement W2025768104 · doi:10.1002/jemt.20536

Adaptive correction technique for 3D reconstruction of fluorescence microscopy images

2007· article· en· W2025768104 sur OpenAlexaff
Frank Guan, Yiyu Cai, Xuping Zhang, Y. T. Lee, Michał Opas

Notice bibliographique

RevueMicroscopy Research and Technique · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicroscopyFluorescence microscopeFluorescenceOpticsMaterials scienceArtificial intelligenceComputer visionComputer scienceBiophysicsBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Recent advances in high-resolution imaging have provided valuable novel insights into structural relationships within cells and tissues both in vitro and in vivo. An analysis of this kind is regularly done by optical sectioning using either confocal or deconvolution microscopy. However, the reconstruction of 3D images suffers from light scattering and absorption with increasing depth by finite transparency of the used media. Photobleaching of fluorochromes has been especially troublesome and often the only remedy for loss of signal during optical sectioning is to reduce the number of sections. This causes disparities in the x-y and z dimensions of voxels, which lead to vertical distortion of the original stack of images and necessitates interpolation. Interpolation is necessary to fill up the gaps between consecutive sections in the original image stack to obtain cubic voxels. The present manuscript describes a novel method for adaptive compensation of attenuation of light intensity in stacks of fluorescence microscopy images that is based on a physical model of light attenuation. First, we use a fast interpolation technique to generate a cubic voxel-based volume stack with the aid of a contribution look up table. With the contribution look up table, multiple calculations are avoided, which substantially reduces the computational time without compromising the accuracy of the restoration procedure. Second, each section within the resulting volume is processed to rectify its intensity values that have been altered due to photobleaching and scattering and absorption. The method allows to define the last good section in the stack and the correction is then done automatically.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,402
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroscopy Research and TechniqueMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207