LLSM Dataset for Virtual and Augmented reality
Notice bibliographique
Résumé
LLSM Dataset for Virtual and Augmented Reality. This dataset includes data generated by Lattice Light Sheet Microscopy. Image metadata is described in the file: FilesDescription_LLSM_Datasets_VR_AR.xlsx. <br> This dataset includes: Rab5(early endosomes), Plasma Membrane CellMask (endosomal pathway) and CD63-Turquoise.2 (late-multivesicular endosomes). <br> <strong>Lattice light-sheet microscopy. </strong>LLSM was done on a commercialized version of a previously described setup4 from 3i (Denver, USA). Cells were scanned incrementally through a 20 μm long light sheet in 500 nm steps using a fast piezoelectric flexure stage equivalent to ∼271 nm or 600 nm steps using a fast piezoelectric flexure stage equivalent to ∼325 nm, with respect to the detection objective and were imaged using a sCMOS camera (Orca-Flash 4.0; Hamamatsu, Bridgewater, NJ). Excitation was achieved with 488- (Coherent, Santa Clara, CA), 560- or 642-nm diode lasers (MPB Communications, Canada) through an excitation objective (Special Optics 28.6× 0.7 NA 3.74-mm water-dipping lens) and detected via a Nikon CFI Apo LWD 25× 1.1 NA water-dipping objective with a 2.5× tube lens with a final pixel size of 104 nm. Lattice light-sheet imaging was performed using an excitation pattern of outer NA equal to 0.55 and inner NA equal to 0.493. Acquired data were deskewed, a necessary step to realigned image frames, then deconvolved using LLSpy (https://github.com/tlambert03/LLSpy).
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 | 0,000 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,081 | 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 ».