A Novel 3-D Image-Based Morphological Method for Phenotypic Analysis
Notice bibliographique
Résumé
A new approach for the study of geometric morphometrics is presented based on well-established image processing techniques in a novel combination to support high-throughput analysis necessary for large-scale determination of genotype-phenotype relationships. The method retains full 3-D data, and avoids manual landmark selection. Micro-computed tomography images are superimposed into a common orientation by rigid image registration with an isotropic scale factor. An average sample shape is determined by averaging the intensities of corresponding voxels of the registered images, and shape variation is determined by calculating the image gradient of the average shape. Localized shape differences between mean images or between an individual and a group mean are identified and quantified by surface-to-surface distance measures of superimposed images. Validation was performed using geometric shapes of known dimensions as well as biological samples of C57 BL/6 J and A/WySnJ mouse skulls, and shape variation of the mouse skulls was consistent with previously published results. Although the image gradient is sensitive to both image registration and filtration of the average image, the effect can be minimized by consistent use of image analysis parameters. While the proposed approach deviates from well-established landmark-based geometric morphometric tools, it is not intended to replace these current methods. Rather, it will be an important contribution to provide high-throughput screening in large-scale studies focused on understanding genotype-phenotype relationships so that subsequent morphometric approaches using established techniques can be better focused.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».