Quantification of surviving neurons after contusion, dislocation, and distraction spinal cord injuries using automated methods
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,000 |
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 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 ».