MétaCan
Menu
Retour à la cohorte
Enregistrement W3111461452 · doi:10.1364/boe.410810

Hyperspectral imaging and spectral unmixing for improving whole-body fluorescence cryo-imaging

2020· article· en· W3111461452 sur OpenAlexaff
Dennis J. Wirth, Brook K. Byrd, Boyu Meng, Rendall R. Strawbridge, Kimberley S. Samkoe, Scott C. Davis

Notice bibliographique

RevueBiomedical Optics Express · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensEmergent BioSolutions (Canada)
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Cancer InstituteNorris Cotton Cancer Center
Mots-clésHyperspectral imagingAutofluorescenceFluorescence-lifetime imaging microscopyFluorophoreFluorescenceBiodistributionMolecular imagingSpectral imagingMultispectral imageVisualizationMedical imagingComputer scienceOpticsArtificial intelligenceChemistryPhysicsIn vivo

Résumé

récupéré en direct d'OpenAlex

Whole-animal fluorescence cryo-imaging is an established technique that enables visualization of the biodistribution of labeled drugs, contrast agents, functional reporters and cells in detail. However, many tissues produce endogenous autofluorescence, which can confound interpretation of the cryo-imaging volumes. We describe a multi-channel, hyperspectral cryo-imaging system that acquires densely-sampled spectra at each pixel in the 3-dimensional stack. This information enables the use of spectral unmixing to isolate the fluorophore-of-interest from autofluorescence and/or other fluorescent reporters. In phantoms and a glioma xenograft model, we show that the approach improves detection limits, increases tumor contrast, and can dramatically alter image interpretation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207