Flow Visualization Tools for Image Analysis of Capillary Networks
Notice bibliographique
Résumé
OBJECTIVE: Video recordings of red blood cell (RBC) flow through capillary networks contain a considerable amount of information pertaining to oxygen transport through the microcirculation. Image analysis of these video recordings has been widely used to determine RBC dynamics (velocity, lineal density and supply rate) and oxygenation (Brunner et al., 2000; Ellis et al., 1990, 1992; Ellsworth et al., 1987; Klyscz et al., 1997; Pries 1988). However, not all capillaries in a given field of view are suitable for image analysis. Typically, capillary segments that are relatively straight and in sharp focus, and exhibit flow of individual RBCs that are well separated by plasma gaps, are good candidates for analysis. We have developed several image processing tools to aid in the selection of such capillaries for analysis and to obtain quick overviews of RBC flow through the microcirculation. METHODS: Burgess et al. (Microcirc. 2:75, 1995) and Burkell et al. (Annals Biomed. Eng. 24:1, 1996; J. Vasc. Res. 35:2, 1998) have previously introduced mean and variance images to aid in the selection of capillaries for analysis. We have extended their concept and developed similar two dimensional visualization techniques for studies of RBC flow through capillary networks. RESULTS: Five new methods of processing video data were developed. The minimum image highlights all capillaries containing RBCs in a given field of view. The maximum image identifies capillaries that exhibit high lineal density or stopped flow. The range image represents the difference between the maximum and minimum light intensity values that occur at a given pixel over a given time period, and helps to identify capillary segments that are in good focus and are perfused by RBCs and plasma. The difference image represents the cumulative sum of the square of differences in intensity values between consecutive frames and gives an indication of the frequency of passage of RBCs separated by plasma gaps. The transition image represents the number of times the intensity at a given pixel crosses a predefined threshold and indicates the number of RBCs (or trains of RBCs) that passes a given location during the observation period. CONCLUSIONS: The above flow visualization techniques are valuable tools to aid in the study of image focus, network geometry, RBC flow paths and dynamics, that can then be used in identifying capillaries for subsequent (separate) detailed analysis to provide quantitative information about RBC flow.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».