Quantification of bone surface textures: exploring a new method of ontogenetic ageing
Notice bibliographique
Résumé
Abstract Identification of ontogenetic age classes plays an important role in the fields of zoology, palaeontology and archaeology, where accurate age classifications of (sub)fossil remains are a crucial component for the reconstruction of past life. Textural ageing—the identification of age-related bone surface textures—provides a size-independent method for age assessment of vertebrate material. However, most of the work so far is limited to qualitative results. While qualitative approaches provide helpful insights on textural ageing patterns, they are heavily subject to observer bias and fall short of quantitative data relevant for detailed statistical analyses and cross-comparisons. Here, we present a pilot study on the application of 3D surface digital microscopy to quantify bone surface textures on the long bones of the grey heron ( Ardea cinerea ) and the Canada goose ( Branta canadensis ) using internationally verified roughness parameters. Using a standardised measuring protocol, computed roughness values show a strong correlation with qualitative descriptions of textural patterns. Overall, higher roughness values correspond to increased numbers of grooves and pits and vice versa. Most of the roughness parameters allowed distinguishing between different ontogenetic classes and closely followed the typical sigmoidal animal growth curve. Our results show that bone texture quantification is a feasible approach to identifying ontogenetic age classes.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».