A Perspective on Perspectives: Methods to Reduce Variation in Shape Analysis of Digital Images
Notice bibliographique
Résumé
Abstract We present digital imaging methods for geometric morphometric analysis of shape, and we describe issues associated with improper image acquisition by using lake trout Salvelinus namaycush as an example. The choice of imaging equipment, the configuration of that equipment, and the orientation of the specimens with respect to the camera lens can lead to inaccurate imaging and ultimately to error in landmark placement during morphometric analysis. Lake trout that were imaged at 15‐mm focal length and 0.5‐m focal distance (treatment 1) were distorted in comparison with fish that were imaged at 50‐mm focal length and 2‐m focal distance (treatment 2). Deformation grids showed dramatic variation in the horizontal plane along the length of the fish, especially midbody, suggesting that barrel distortion was occurring at the 15‐mm focal length. Partial warp scores resulting from geometric analysis of body shape differed for all fish on all 18 warps as a result of the different focal length and distance treatments for image capture. To minimize perspective (orientation) and distortion (equipment) errors, we recommend using a digital single‐lens reflex camera (>5 megapixels) with a lens that has a focal length exceeding 35 mm, a horizontal tripod to position the lens directly over the specimen, a mesh cradle to create a planar imaging surface, and dissection pins to display the fish in a standard orientation. The method presented herein will aid in reducing measurement error associated with landmark homology and will promote comparability of geometric shape data among studies.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».