MétaCan
Menu
Retour à la cohorte
Enregistrement W2896433001 · doi:10.1364/boe.9.005615

Data compression and improved registration for laser speckle contrast imaging of rodent brains

2018· article· en· W2896433001 sur OpenAlexafffund
Dene Ringuette, Jacob Nauenberg, Philippe P. Monnier, Peter L. Carlen, Ofer Levi

Notice bibliographique

RevueBiomedical Optics Express · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueThermoregulation and physiological responses
Établissements canadiensToronto Western HospitalUniversity of Toronto
Organismes subventionnairesConnaught FundMitacsCanadian Institutes of Health ResearchNational Academies of Sciences, Engineering, and Medicine
Mots-clésSpeckle patternComputer scienceArtificial intelligenceComputer visionContrast (vision)Blood flowOutlierImage registrationPattern recognition (psychology)Image (mathematics)

Résumé

récupéré en direct d'OpenAlex

Single-frame blood flow maps from laser speckle contrast imaging (LSCI) contain high spatiotemporal variation that obscures high spatial-frequency vascular features, making precise image registration for signal amplification challenging. In this work, novel bivariate standardized moment filters (BSMFs) were used to provide stable measures of vessel edge location, permitting more robust LSCI registration. Relatedly, BSMFs enabled the stable reconstruction of vessel edges from sparsely distributed blood flow map outliers, which were found to retain most of the temporal dynamics. Consequently, data discarding and BSMF-based reconstruction enable efficient real-time quantitative LSCI data compression. Smaller LSCI-kernels produced log-normal blood flow distributions, enhancing sparse-to-dense inference.

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)0,001
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 enseignants0,784
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,055
Tête enseignante GPT0,346
Écart entre enseignants0,291 · 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

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetThermoregulation and physiological responsesTravaux en français237 207