Using Focus Stacking in Anatomical Imaging: Does it Make a Difference?
Notice bibliographique
Résumé
Human anatomy education relies heavily on the use of high‐quality images of cadaveric dissections for student reference. Despite continual advances in the available camera equipment for digital photography, depth of field remains a limitation when photographing anatomical specimens. To circumvent this issue, some anatomists use focus stacking algorithms to enhance depth of field in anatomical images. Focus stacking is a commonly used technique in microscopy whereby image processing software is used to fuse multiple digital images with different focal planes to create a single image with an extended depth of focus. This procedure aims to improve the quality of images used in anatomical education; however, objective evaluation of image quality is notoriously difficult. This is largely due to an inability to code algorithms that adequately parallel the human visual system (HVS). For this reason, subjective assessment has remained the gold standard for image quality evaluation. The goal of this study was to determine if focus stacked images were superior to non‐focus stacked images in subjective image quality. For this comparison, focus stacked cadaveric images were paired with identical non‐focus stacked controls (25 focus stacked, 25 non‐focus stacked) and analyzed for image quality by human subjects. Participants ranked the images on a slider labelled with five adjectives: “Bad”, “Poor”, “Fair”, “Good”, and “Excellent”, and scores were converted to integers between 1–100 for analysis. Statistical analysis is ongoing; however, preliminary results indicate that focus stacked images typically received higher ratings of quality than non‐focus stacked images. Ultimately, the purpose of capturing cadaveric images is to include them in educational material directed toward human anatomy students. Therefore, a difference between perceived image quality may have important implications for the creation of high quality educational material in human anatomy and student learning.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».