Classification automatique des diatomées : extraction et identification des structures taxonomiques
Notice bibliographique
Résumé
Les diatomes sont des algues unicellulaires de grand intrt dans les domaines de la palontologie, de l'cologie aquatique et de la mdecine lgale, entre autres. ce jour, plus de 100 000 espces sont connues et distribues dans les divers cosystmes aquatiques de la plante.Pour cette raison, il y a un grand intrt classifier automatiquement les images de diatomes.La procdure prliminaire d 'identification automatique d 'une espce de diatome est une tape complexe qui consiste isoler le spcimen de l'arrire-plan de l'image.Dans ce travail, nous proposons une mthode de segmentation et une procdure d'extraction d'objets pour isoler la diatome de l'arrire-plan.De plus, nous proposons des mthodes de dtection de caractristiques taxonomiques des diatomes tel que le raph, les stries et les cercles concentriques.Tout d'abord, nous segmentons l'image en cherchant deux seuils optimaux dans l'histogramme des niveaux de gris qui seront dtermins partir de la fonction de rpartition de cet histogramme.Puis, nous liminons, l'aide d'un critre inspir de la force d'attraction des corps, les rgions pouvant ne pas appartenir la diatome afin de les liminer du fond.Par la suite, nous construisons le contour de la diatome par des raffinements successifs de l'enveloppe convexe des rgions retenues.Ce contour constitue une approximation polygonale de la forme gnrale de la diatome qui permet l'extraction du spcimen.Des caractristiques taxonomiques, comme le raph et les stries, sont trouves en cherchant des segments continus partir des intensits du gradient de l'image.D'autres caractristiques, comme les cercles et les stries radiales, sont dtectes partir d'une analyse en cordonnes polaires des structures internes de la diatome.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».