A comparison of parametric and integrative approaches for X-ray fluorescence analysis applied to a Stroke model
Notice bibliographique
Résumé
Synchrotron X-ray fluorescence imaging enables visualization and quantification of microscopic distributions of elements. This versatile technique has matured to the point where it is used in a wide range of research fields. The method can be used to quantitate the levels of different elements in the image on a pixel-by-pixel basis. Two approaches to X-ray fluorescence image analysis are commonly used, namely, (i) integrative analysis, or window binning, which simply sums the numbers of all photons detected within a specific energy region of interest; and (ii) parametric analysis, or fitting, in which emission spectra are represented by the sum of parameters representing a series of peaks and other contributing factors. This paper presents a quantitative comparison between these two methods of image analysis using X-ray fluorescence imaging of mouse brain-tissue sections; it is shown that substantial errors can result when data from overlapping emission lines are binned rather than fitted. These differences are explored using two different digital signal processing data-acquisition systems with different count-rate and emission-line resolution characteristics. Irrespective of the digital signal processing electronics, there are substantial differences in quantitation between the two approaches. Binning analyses are thus shown to contain significant errors that not only distort the data but in some cases result in complete reversal of trends between different tissue regions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».