Quantification of surviving neurons after contusion, dislocation, and distraction spinal cord injuries using automated methods
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study proposes and validates an automated method for counting neurons in spinal cord injury (SCI) and then uses it to examine and compare the surviving cells in common types of SCI mechanisms. Moderate contusion, dislocation, and distraction SCIs were surgically induced in Sprague Dawley male rats (n = 6 for each type of injury). Their spinal cords were harvested 8 weeks post injury with 5 normal weight-matched rats. The spinal cords were cut, stained with anti-NeuN antibody and fluorescent Nissl, and imaged in the dorsal and ventral horns at various distances to the epicenter. Neurons in the images were automatically counted using an algorithm that was designed to filter non-soma-like objects based on morphological characteristics (size, solidity, circular pattern) and check the remaining objects for the double-stained nucleus/cell body features (brightness variation, brightness distribution, color). To validate the automated method, some of the images were randomly selected for manual counting. The number of surviving cells that were automatically measured by the algorithm was found to be correlated with the values that were manually measured by 2 observers ( P < .001) with similar differences ( P > .05). Neurons in the dorsal and ventral horns were reduced after the SCIs ( P < .05). Dislocation and distraction, respectively, caused the most severe damage to the ventral horn neurons especially near the epicenter and the most extensive and uniform damage to the dorsal horn neurons ( P < .05). Our method was proved to be reliable, which is suitable for studying different types of SCI.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle