Polychromatic digital holographic microscopy: a quasicoherent-noise-free imaging technique to explore the connectivity of living neuronal networks
Notice bibliographique
Résumé
Significance: Over the past decade, laser-based digital holographic microscopy (DHM), an important approach in the field of quantitative-phase imaging techniques, has become a significant label-free modality for live-cell imaging and used particularly in cellular neuroscience. However, coherent noise remains a major drawback for DHM, significantly limiting the possibility to visualize neuronal processes and precluding important studies on neuronal connectivity. Aim: The goal is to develop a DHM technique able to sharply visualize thin neuronal processes. Approach: By combining a wavelength-tunable light source with the advantages of hologram numerical reconstruction of DHM, an approach called polychromatic DHM (P-DHM), providing OPD images with drastically decreased coherent noise, was developed. Results: When applied to cultured neuronal networks with an air microscope objective (20 × , 0.8 NA), P-DHM shows a coherent noise level typically corresponding to 1 nm at the single-pixel scale, in agreement with the 1 / N-law, allowing to readily visualize the 1-μm-wide thin neuronal processes with a signal-to-noise ratio of ∼5. Conclusions: Therefore, P-DHM represents a very promising label-free technique to study neuronal connectivity and its development, including neurite outgrowth, elongation, and branching.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».