MétaCan
Menu
Retour à la cohorte
Enregistrement W2155174544 · doi:10.1007/s11307-010-0386-x

Articulated Whole-Body Atlases for Small Animal Image Analysis: Construction and Applications

2010· article· en· W2155174544 sur OpenAlex
Artem Khmelinskii, Martin Baiker, Eric L. Kaijzel, Josette Chen, Johan H. C. Reiber, Boudewijn P. F. Lelieveldt

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMolecular Imaging and Biology · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensSickKids FoundationHospital for Sick ChildrenToronto Centre for Phenogenomics
Organismes subventionnairesMedical Delta
Mots-clésComputer scienceAtlas (anatomy)Artificial intelligenceKinematicsComputer visionScope (computer science)Image processingModality (human–computer interaction)Image (mathematics)AnatomyMedicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Using three publicly available small-animal atlases (Sprague-Dawley rat, MOBY, and Digimouse), we built three articulated atlases and present several applications in the scope of molecular imaging. PROCEDURES: Major bones/bone groups were manually segmented for each atlas skeleton. Then, a kinematic model for each atlas was built: each joint position was identified and the corresponding degrees of freedom were specified. RESULTS: The articulated atlases enable automated registration into a common coordinate frame of multimodal small-animal imaging data. This eliminates the postural variability (e.g., of the head, back, and front limbs) that occurs in different time steps and due to modality differences and nonstandardized acquisition protocols. CONCLUSIONS: The articulated atlas proves to be a useful tool for multimodality image combination, follow-up studies, and image processing in the scope of molecular imaging. The proposed models were made publicly available.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,343

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,307
Écart entre enseignants0,296 · 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