MassVision: An Open-Source End-to-End Platform for AI-Driven Mass Spectrometry Imaging Analysis
Notice bibliographique
Résumé
Mass spectrometry imaging (MSI) combines spatial and spectral data to reveal detailed molecular compositions within biological samples. Despite their immense potential, MSI workflows are hindered by the complexity and high dimensionality of the data, making their analysis computationally intensive and often requiring expertise in coding. Existing tools frequently lack the integration needed for seamless, scalable, and end-to-end workflows, forcing researchers to rely on local solutions or multiple platforms, which hinders efficiency and accessibility. We introduce MassVision, a comprehensive software platform for MSI analysis. Built on the 3D Slicer ecosystem, MassVision integrates MSI-specific functionalities while addressing general user requirements for accessibility and usability. Its intuitive interface lowers barriers for researchers with varying levels of computational expertise, while its scalability supports high-throughput studies and multislide data sets. Key functionalities include visualization, segmentation, colocalization, data set curation, data set merging, spectral and spatial preprocessing, statistical analysis, AI model training, and AI deployment on full MSI data. We detail the workflow and functionalities of MassVision and demonstrate its effectiveness through different experimental use cases such as exploratory data analysis, ion identification, and tissue-type classification on in-house and publicly available data from different MSI modalities. These use cases underscore MassVision's ability to seamlessly integrate MSI data handling steps into a single platform and highlight its potential to reveal new insights and structures when examining biological samples. By combining cutting-edge functionality with user-centric design, MassVision addresses longstanding challenges in MSI data analysis and provides a robust tool for advancing the user's ability to achieve biologically meaningful insights from MSI data. MassVision is freely available via 3D Slicer (documentation: https://SlicerMassVision.readthedocs.io/). The in-house MSI data have been made publicly available in MetaboLights with the identifier MTBLS12868.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,021 |
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 source (Gemma direct ou Codex distillé), 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 ».