A framework for computing high resolution 3D microscopic volumes
Notice bibliographique
Résumé
Introduction: Whole-slide imaging microscopy is more available recently but 3D analysis of such histological images still remains a bottleneck. For generating 3D microscopic volumes of tissue blocks, histology images need to be spatially aligned, which is problematic due to inevitable global and local deformations introduced during processing, especially in free-floating sections. We propose a framework to create high-resolution 3D microscopic volume datasets by correcting and combining micro-scale images. Methods and Results: Due to the substantial local deformation of free-floating sections, the core method in our proposed framework is the shape alignment between histology and corresponding blockface image. Matching pair-points are manually selected in both images, especially in locations with high confidence and around the border of the tissue. Based on these pair-points, a sparse deformation map is generated. To evenly distribute deformations around the tissue, the map is refined using a thin plate spline interpolation. We tested the method on a series of human subcortical slices sectioned at a thickness of 50um. Stained slides were digitized using the Axioscan 7 multiplex scanner at an in-plane resolution of 0.3um/pixel and downsampled to the resolution of blockface image. The result of one of these registered histology images is show in figure 1. To improve the alignment between the histology images, a feature matching approach will be utilized in combination with a resolution upsampling method and a continuous 3D volume will be generated using interpolation between images. Conclusions: In this work we have discussed a semi-manual technique to reconstruct 3D histology volumes, with special focus on correcting free floating stained histology deformations using the blockface images. The high-resolution 3D microscopic volume provides advanced analytical opportunities, such as co-registering with other volumetric images (e.g. MRI), or perform spatial 3D analysis. In future work, we plan to improve the procedure by making the point selection semi- or fully automatic.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».