An automated method for dynamic red blood cell aggregate detection in microfluidic flow
Notice bibliographique
Résumé
OBJECTIVE: Red blood cell (RBC) aggregation is a unique phenomenon that occurs when red blood cells are subjected to low shear rates. Little is known about the sizes, shapes and behaviour of aggregates flowing in healthy humans. However, excessive aggregation has been shown to be an indication of pathological conditions. Therefore, characterizing RBC aggregates is important to medical research. The objective of this study was to develop a reliable technique based on image processing to assess and characterize human RBC aggregation subjected to controlled and measurable shear rates in a two-fluid flow microfluidic shearing system. APPROACH: Images of RBC suspensions at [Formula: see text], [Formula: see text] and [Formula: see text] entrained by a phosphate buffered saline solution in a PDMS microchannel were captured with a high speed camera. An algorithm for processing the RBC aggregate images is presented and validated (1) on a sample of known diameter hollow glass microspheres and (2) by comparing RBC aggregate size results with those of an ImageJ image processing technique and those obtained by manual detection by two independent researchers. MAIN RESULTS: The proposed image processing algorithm provides a very good agreement with the manufacturer data for the glass microspheres. It also performs well on the RBC suspension images, with errors of 2-4 [Formula: see text] with respect to the manual results. SIGNIFICANCE: The proposed automated method for RBC aggregate detection is found to be reliable and fairly accurate and will serve researchers and, perhaps in the future, clinicians to assess healthy and pathological RBC aggregation under flowing conditions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».