MétaCan
Menu
Retour à la cohorte
Enregistrement W2534383266 · doi:10.1016/j.bpj.2016.08.049

Ccoffinn: Automated Wave Tracking in Cultured Cardiac Monolayers

2016· article· en· W2534383266 sur OpenAlexaff
Jakub Tomek, Rebecca A.B. Burton, Gil Bub

Notice bibliographique

RevueBiophysical Journal · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac electrophysiology and arrhythmias
Établissements canadiensMcGill University
Organismes subventionnairesEngineering and Physical Sciences Research Council
Mots-clésWavefrontOptical mappingDetectorComputer scienceSegmentationCMOSMonolayerTracking (education)Bandwidth (computing)SoftwareVisualizationArtificial intelligenceComputer visionElectronic engineeringReal-time computingOptoelectronicsPhysicsOpticsMaterials scienceTelecommunicationsNanotechnologyEngineeringMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cardiac arrhythmias are one of the most frequent causes of death worldwide. A popular biological model used to study arrhythmogenesis is the cultured cardiac cell monolayer, which provides a good trade-off between physiological relevance and experimental access. Excitation wave patterns are imaged using high-bandwidth detectors, producing large data sets that are typically analyzed manually. To make such analysis less time consuming and less subjective, we have designed and implemented a toolkit for segmentation and tracking of cardiac waves in optical mapping recordings. The toolkit is optimized for high-resolution detectors to accommodate the growing availability of inexpensive high-resolution detectors for life science imaging applications (e.g., scientific CMOS cameras). The software extracts key features of propagating waves, such as wavefront speed and entropy. The methods have been validated using synthetic data, and real-world examples are provided, showing a difference in conduction velocity between two different types of cardiac cell cultures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,014
Tête enseignante GPT0,273
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiophysical JournalMême sujetCardiac electrophysiology and arrhythmiasTravaux en français237 207