MétaCan
Menu
Retour à la cohorte
Enregistrement W3194973291 · doi:10.1002/ece3.7992

Using Delaunay triangulation to sample whole‐specimen color from digital images

2021· article· en· W3194973291 sur OpenAlexafffund
Jennifer J. Valvo, J. David Aponte, Mitch J. Daniel, Kenna Dwinell, Helen Rodd, David Houle, Kimberly A. Hughes

Notice bibliographique

RevueEcology and Evolution · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueMorphological variations and asymmetry
Établissements canadiensUniversity of TorontoUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésArtificial intelligencePattern recognition (psychology)Categorical variableVariation (astronomy)Computer scienceColor spaceComputer visionMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract Color variation is one of the most obvious examples of variation in nature, but biologically meaningful quantification and interpretation of variation in color and complex patterns are challenging. Many current methods for assessing variation in color patterns classify color patterns using categorical measures and provide aggregate measures that ignore spatial pattern, or both, losing potentially important aspects of color pattern. Here, we present Colormesh, a novel method for analyzing complex color patterns that offers unique capabilities. Our approach is based on unsupervised color quantification combined with geometric morphometrics to identify regions of putative spatial homology across samples, from histology sections to whole organisms. Colormesh quantifies color at individual sampling points across the whole sample. We demonstrate the utility of Colormesh using digital images of Trinidadian guppies (Poecilia reticulata), for which the evolution of color has been frequently studied. Guppies have repeatedly evolved in response to ecological differences between up‐ and downstream locations in Trinidadian rivers, resulting in extensive parallel evolution of many phenotypes. Previous studies have, for example, compared the area and quantity of discrete color (e.g., area of orange, number of black spots) between these up‐ and downstream locations neglecting spatial placement of these areas. Using the Colormesh pipeline, we show that patterns of whole‐animal color variation do not match expectations suggested by previous work. Colormesh can be deployed to address a much wider range of questions about color pattern variation than previous approaches. Colormesh is thus especially suited for analyses that seek to identify the biologically important aspects of color pattern when there are multiple competing hypotheses or even no a priori hypotheses at all.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,049
Tête enseignante GPT0,300
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations21
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology and EvolutionMême sujetMorphological variations and asymmetryTravaux en français237 207