MétaCan
Menu
Retour à la cohorte
Enregistrement W207770179 · doi:10.3233/978-1-58603-964-6-183

Fast Interactive Integration of Cross-Sectional Image Datasets and Surface Data for Morphometric Analysis

2009· article· en· W207770179 sur OpenAlexaff
Oscar Meruvia-Pastor, Julia C. Boughner, Nicholas Jones, David Osborn, Johanna Santiago, Julian Gittleman, Christoph W. Sensen

Notice bibliographique

RevueStudies in health technology and informatics · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésComputer scienceScalabilityComputer visionVisualizationComputer graphics (images)Process (computing)Interactive visualizationHigh resolutionStack (abstract data type)Artificial intelligenceDatabase

Résumé

récupéré en direct d'OpenAlex

To investigate external facial morphology and cell proliferation patterns and their relationship with cleft lip malformation in mice, we need to compare samples of mice tissue photographs and surface reconstructions from micro-CT scans obtained from mouse embryos. Tissue samples obtained through digital photography are typically misaligned with respect to each other, which prevents further analysis. We have developed a system for fast interactive alignment of these image stacks for volume reconstruction and data visualization and analysis in 3D. The system is designed to work in multiprocessor environments and can utilize an arbitrary number of processors, cutting down significantly the turnaround time and allowing users to quickly process sets of hundreds of high resolution images using a combination of automated and interactive tools. Additional modules are used to reconstruct the shape of the original subject. Our system is interactive, fully scalable and can be applied to any photographic sliced dataset, regardless of subject and reduces significantly the processing time for stack alignment.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,176
Score d'incertitude au seuil0,377

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,422
Écart entre enseignants0,383 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetCell Image Analysis TechniquesTravaux en français237 207