Recalage pour imagerie multimodale tomographique sur petit animal
Notice bibliographique
Résumé
L'imagerie médicale joue désormais un rôle central tant en recherche fondamentale sur le développement des maladies que dans l'aide au diagnostic des pathologies. Il existe plusieurs techniques ou modalités d'imagerie qui permettent de visualiser de façon non invasive des corps biologiques et d'en fournir leurs propriétés structurelles et fonctionnelles. Un des problèmes majeurs rencontré est de pouvoir analyser et traiter ces techniques d'imagerie dans un référentiel commun. Ce problème, connu sous le nom de recalage ou registration, consiste en une estimation d'une transformation géométrique permettant la superposition spatiale des caractéristiques correspondantes entre les images. Deux contextes d'application peuvent être distingués : Le recalage monomodal qui traite les séquences temporelles d'images provenant de la même modalité et le recalage multimodal qui traite la mise en correspondance d'images venant de différentes modalités. Le laboratoire TomOptUs de l'Université de Sherbrooke a développé un lit multimodal, avec marqueurs fiduciaux, destiné à accueillir un petit animal pour des prises de mesures avec différentes modalités. Il est donc intéressant de recaler ces modalités en utilisant l'information basée sur les attributs géométriques ou sur l'intensité des pixels ou voxels. Le laboratoire a aussi développé un système laser-scanner permettant de mesurer le relief d'un objet ou d'un animal afin d'obtenir des images profilométriques. Avec ces images, il devient possible de faire un recalage de surface avec d'autres modalités d'imagerie dans la mesure où on veut obtenir le profil extérieur de l'animal afin de faire une reconstruction interne 3D. Le cadre de cette recherche consiste à développer un programme informatique permettant de répondre au besoin du laboratoire en matière de recalage d'image à l'aide de marqueurs fiduciaux et de recalage d'images profilométriques. Le présent document couvre la théorie et les algorithmes utilisés ainsi que la conception informatique détaillée permettant d'obtenir des résultats concluants.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».