White matter segmentation by estimating tissue optical attenuation from volumetric OCT massive histology of whole rodent brains
Notice bibliographique
Résumé
A whole rodent brain was imaged using an automated massive histology setup and an Optical Coherence Tomography (OCT) microscope. Thousands of OCT volumetric tiles were acquired, each covering a size of about 2.5x2.5x0.8 mm3 with a sampling resolution of 4.9x4.9x6.5 microns. This paper shows the techniques for reconstruction, attenuation compensation and segmentation of the sliced brains. The tile positions within the mosaic were evaluated using a displacement model of the motorized stage and pairwise coregistration. Volume blending was then performed by solving the 3D Laplace equation, and consecutive slices were assembled using the cross-correlation of their 2D image gradient. This reconstruction algorithm resulted in a 3D map of optical reflectivity for the whole brain at micrometric resolution. OCT tissue slices were then used to estimate the local attenuation coefficient based on a single scattering photon model. The attenuation map obtained exhibits a high contrast for all white matter fibres, regardless of their orientation. The tissue optical attenuation from the intrinsic OCT reflectivity contributes to better white matter tissue segmentation. The combined 3D maps of reflectivity and attenuation is a step toward the study of white matter at a microscopic scale for the whole brain in small animals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 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 ».