Accelerating Whole-Sample Polarization-Resolved Second Harmonic Generation imaging in Mammary Gland Tissue via Generative Adversarial Networks
Notice bibliographique
Résumé
Authors: Arash Aghigh, Jysiane Cardot, Melika Saadat Mohammadi, Gaëtan Jargot, Heide Ibrahim, Isabelle Plante, François Légaré Affiliations: 1. Centre Énergie Matériaux Télécommunications, Institut National de la Recherche Scientifique, Varennes, Québec, Canada. 2. Centre Armand-Frappier Santé Biotechnologie, Institut National de la Recherche Scientifique, Laval, Québec, Canada. Corresponding Author: Arash Aghigh, arash.aghigh@inrs.ca Description: This dataset accompanies the research on improving whole-sample Polarization-Resolved Second Harmonic Generation (P-SHG) imaging in mammary gland tissue using Enhanced Super-Resolution Generative Adversarial Networks (ESRGAN). The novel approach significantly reduces imaging time while maintaining high image quality and analytical accuracy, demonstrating a reduction in imaging time by more than 95%. This method also minimizes laser-induced photodamage, lowers costs of optical components, and increases the accessibility and applicability of P-SHG imaging in various fields. Keywords: Polarization-Resolved Second Harmonic Generation, P-SHG, Generative Adversarial Networks, GAN, ESRGAN, Mammary Gland Imaging, Super-Resolution, Image Upscaling, Deep Learning, Biomedical Imaging Funding Information: • Canada Foundation for Innovation • Fonds de recherche du Québec–Nature et technologies • Natural Sciences and Engineering Research Council of Canada • New Frontiers Research Fund • NSERC CREATE program (scholarship for Arash Aghigh) Related Identifiers: • GitHub repository for ChaiNNer program: https://github.com/chaiNNer-org/chaiNNer • Download links for models used: https://openmodeldb.info Additional Information: Animal studies were conducted according to the procedures provided by the Canadian Council on Animal Care. The protocol (2005-02) was reviewed and approved by the Institutional Committee for Animal Protection of the Laboratoire National de Biologie Expérimentale (LNBE), the animal facilities based at the Institut National de Recherche Scientifique (INRS).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».