MétaCan
Menu
Retour à la cohorte
Enregistrement W2790535226 · doi:10.1109/ipta.2017.8310152

Coarse-to-fine texture analysis for inner cell mass identification in human blastocyst microscopic images

2017· article· en· W2790535226 sur OpenAlexaff
Reza Moradi Rad, Parvaneh Saeedi, Jason Au, Jon Havelock

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensPacific Centre for Reproductive MedicineSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésInner cell massBlastocystJaccard indexEmbryoPattern recognition (psychology)Computer scienceArtificial intelligenceIdentification (biology)BiologyCell biologyEmbryogenesis

Résumé

récupéré en direct d'OpenAlex

Accurate identification of different components of a developing human embryo play crucial roles in assessing the quality of such embryo. One of the most important components of a day-5 human embryo is Inner Cell Mass (ICM). ICM is a part of an embryo that will eventually develop into a fetus. In this paper, an automatic coarse-to-fine texture based approach presented to identify regions of an embryo corresponding to the ICM. First, blastocyst area corresponding to the textured regions is recognized using Gabor and DCT features. Next, two ICM localization approaches are introduced to identify a rough estimate of the ICM location. Finally, the boundaries of the ICM region is finalized using a region based level-set. Experimental results on a data set of 220 day-5 human embryo images confirm that the proposed method is capable of identifying ICM with average Precision, Recall, and Jaccard Index of 78.7%, 86.8%, and 70.3%, respectively.

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 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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil0,573

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 savante0,0010,001
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,300
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAI in cancer detectionTravaux en français237 207