Lif2Tiff: An ImageJ Macro for Automated Extraction and Conversion of LIF Files
Notice bibliographique
Résumé
Lif2Tiff.ijm is an ImageJ macro designed to streamline the workflow for users handling Leica .lif files generated by Leica's LAS X software. This tool automates the extraction and conversion of all image stacks within a .lif file into .tif files, facilitating easier viewing, processing, and analysis while preserving crucial metadata such as channels and stacks. Key Features: Automated Conversion: Select a .lif file, and Lif2Tiff will automatically extract and save all contained images as .tif files in a designated folder. Channel Separation: Option to save individual channels as separate .tif files. Users can easily split channels with a simple checkbox selection. Metadata Preservation: Retains essential metadata from the original .lif files, ensuring data integrity for subsequent analyses. Intelligent Channel Naming: The macro parses image metadata to assign meaningful names to channels based on the Look-Up Tables (LUTs) used (e.g., "Channel 1 - Blue"). Users can also opt to provide custom channel names for better organization. User Settings Retention: Saves the user's most recent settings and retrieves them upon the next launch, enhancing efficiency and user experience. Integration with Bio-Formats and OME-TIFF: Utilizes the capabilities of the Bio-Formats and OME-TIFF plugins (Besson et al., 2019; Linkert et al., 2010) to ensure compatibility and robust performance.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,004 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,162 | 0,114 |
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 ».