A Review of Intrinsic Optical Imaging Serial Blockface Histology (ICI-SBH) for Whole Rodent Brain Imaging
Notice bibliographique
Résumé
In recent years, multiple serial histology techniques were developed to enable whole rodent brain imaging in 3-D. The main driving forces behind the emergence of these imaging techniques were the genome-wide atlas of gene expression in the mouse brain, the pursuit of the mouse brain connectome, and the BigBrain project. These projects rely on the use of optical imaging to target neuronal structures with histological stains or fluorescent dyes that are either expressed by transgenic mice or injected at specific locations in the brain. Efforts to adapt the serial histology acquisition scheme to use intrinsic contrast imaging (ICI) were also put forward, thus leveraging the natural contrast of neuronal tissue. This review focuses on these efforts. First, the origin of optical contrast in brain tissue is discussed with emphasis on the various imaging modalities exploiting these contrast mechanisms. Serial blockface histology (SBH) systems using ICI modalities are then reported, followed by a review of some of their applications. These include validation studies and the creation of multimodal brain atlases at a micrometer resolution. The paper concludes with a perspective of future developments, calling for a consolidation of the SBH research and development efforts around the world. The goal would be to offer the neuroscience community a single standardized open-source SBH solution, including optical design, acquisition automation, reconstruction algorithms, and analysis pipelines.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».