Fully automated dual-resolution serial optical coherence tomography aimed at diffusion MRI validation in whole mouse brains
Notice bibliographique
Résumé
An automated dual-resolution serial optical coherence tomography (2R-SOCT) scanner is developed. The serial histology system combines a low-resolution (25 μm / voxel) 3 × OCT with a high-resolution (1.5 μm / voxel) 40 × OCT to acquire whole mouse brains at low resolution and to target specific regions of interest (ROIs) at high resolution. The 40 × ROIs positions are selected either manually by the microscope operator or using an automated ROI positioning selection algorithm. Additionally, a multimodal and multiresolution registration pipeline is developed in order to align the 2R-SOCT data onto diffusion MRI (dMRI) data acquired in the same ex vivo mouse brains prior to automated histology. Using this imaging system, 3 whole mouse brains are imaged, and 250 high-resolution 40 × three-dimensional ROIs are acquired. The capability of this system to perform multimodal imaging studies is demonstrated by labeling the ROIs using a mouse brain atlas and by categorizing the ROIs based on their associated dMRI measures. This reveals a good correspondence of the tissue microstructure imaged by the high-resolution OCT with various dMRI measures such as fractional anisotropy, number of fiber orientations, apparent fiber density, orientation dispersion, and intracellular volume fraction.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».