Vision numérique et modèles 3D pour imagerie moléculaire sur petits animaux par tomographie optique
Bibliographic record
Abstract
Typiquement, en tomographie optique diffuse (TOD), les mesures optiques sont prises en amenant des fibres optiques en contact avec le sujet ou en faisant baigner le sujet dans un fluide adaptateur d'indice. Ces deux approches simplifient grandement le problème inverse pour la reconstruction tomographique, car seule la propagation de la lumière dans les tissus biologiques doit être considérée. Dans le cas de l'imagerie sur petits animaux, il est très difficile d'amener des fibres optiques en contact avec le sujet de façon automatisée sans l'écraser et sans changer sa géométrie. L'utilisation de fluides adaptateurs d'indice simplifie la géométrie du problème à celle du contenant, généralement de forme cylindrique, où se trouve l'animal. Par contre, il n'est pas pratique d'avoir à entretenir un tel système et il est difficile de mettre l'animal dans un fluide sans le noyer. L'utilisation de fluides adaptateurs d'indice atténue le signal optique menant à des mesures plus bruitées. Les sytèmes sans contact permettent d'éviter tous les problèmes mentionnés précédemment, mais nécessitent la mesure de la forme extérieure du sujet. Dans le cadre des présents travaux de recherche, un système de vision numérique utilisant une paire de caméras et un laser pour mesurer la forme extérieure 3D de sujets est présenté. La conception du système de vision numérique 3D vise à faciliter son intégration au système de TOD qui est présentement développé au sein du groupe TomOptUS. Le principal avantage du système de vision numérique est de minimiser la complexité du système de TOD en utlisant le même laser pour les mesures tomographiques optiques et pour les mesures 3D, permettant simultanément l'acquisition de modèles 3D et de données optiques. Cette approche permet de mesurer la position exacte à laquelle la lumière du laser est injectée dans le sujet, alors que cette postion est habituellement déduite et non mesurée par les autres systèmes. Cette information est extrêmement importante pour la reconstruction tomographique. Des mesures 3D précises (<1mm) sont obtenues à l'aide d'algorithmes pour l'étalonnage de l'axe de rotation et de translation. Des mesures 3D d'une forme de référence et d'une souris sont présentées démontrant la précision et l'efficacité du système.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".