Automatic Quantification of Atherosclerosis in Contrast-Enhanced MicroCT Scans of Mouse Aortas Ex Vivo
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
Objective. While microCT evaluation of atherosclerotic lesions in mice has been formally validated, existing image processing methods remain undisclosed. We aimed to develop and validate a reproducible image processing workflow based on phosphotungstic acid-enhanced microCT scans for the volumetric quantification of atherosclerotic lesions in entire mouse aortas. Approach and Results. 42 WT and 42 apolipoprotein E knockout mouse aortas were scanned. The walls, lumen, and plaque objects were segmented using dual-threshold algorithms. Aortic and plaque volumes were computed by voxel counting and lesion surface by triangulation. The results were validated against manual and histological evaluations. Knockout mice had a significant increase in plaque volume compared to wild types with a plaque to aorta volume ratio of 0.3%, 2.8%, and 9.8% at weeks 13, 18, and 26, respectively. Automatic segmentation correlated with manual ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M1"> <msup> <mrow> <mi>r</mi> </mrow> <mrow> <mn>2</mn> </mrow> </msup> <mo>≥</mo> <mn>0.89</mn> </math> ; <math xmlns="http://www.w3.org/1998/Math/MathML" id="M2"> <mi>p</mi> <mo><</mo> <mn>.001</mn> </math> ) and histological evaluations ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M3"> <msup> <mrow> <mi>r</mi> </mrow> <mrow> <mn>2</mn> </mrow> </msup> <mo>></mo> <mn>0.96</mn> </math> ; <math xmlns="http://www.w3.org/1998/Math/MathML" id="M4"> <mi>p</mi> <mo><</mo> <mn>.001</mn> </math> ). Conclusions. The semiautomatic workflow enabled rapid quantification of atherosclerotic plaques in mice with minimal manual work.
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 | 0,000 | 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 | 0,000 |
| 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