Accurate detection and complete tracking of large populations of features in three dimensions
Notice bibliographique
Résumé
Localization and tracking of colloidal particles in microscopy images generates the raw data necessary to understand both the dynamics and the mechanical properties of colloidal model systems. Yet, despite the obvious importance of analyzing particle movement in three dimensions (3D), accurate sub-pixel localization of the particles in 3D has received little attention so far. Tracking has been limited by the choice of whether to track all particles in a low-density system, or whether to neglect the most mobile fraction of particles in a dense system. Moreover, assertions are frequently made on the accuracies of methods for locating particles in colloid physics and in biology, and the field of particle locating and tracking can be well-served by quantitative comparison of relative performances. We show that by iterating sub-pixel localization in three dimensions, the centers of particles can be more accurately located in three-dimensions (3D) than with all previous methods by at least half an order of magnitude. In addition, we show that implementing a multi-pass deflation approach, greater fidelity can be achieved in reconstruction of trajectories, once particle positions are known. In general, all future work must defend the accuracy of the particle tracks to be considered reliable. Specifically, other researchers must use the methods presented here (or an alternative whose accuracy can be substantianted) in order for the entire investigation to be considered legitimate, if the basis of the physical argument (in colloids, biology, or any other application) depends on quantitative accuracy of particle positions. We compare our algorithms to other recent and related advances in location/tracking in colloids and in biology, and discuss the relative strengths and weaknesses of all the algorithms in various situations. We carry out performance tests directly comparing the accuracy of our and other 3D methods with simulated data for both location and tracking, and in providing relative performance data, we assess just how accurately software can locate particles. We discuss how our methods, now applied to colloids, could improve the location and tracking of features such as quantum dots in cells.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».