A Moisture index approach to characterizing climates for moisture management of building envelopes
Notice bibliographique
Résumé
We develop a dual-modality device that combines the anatomical imaging capabilities of optical coherence tomography (OCT) with the functional capabilities of laser-induced fluorescence (LIF) spectroscopy. OCT provides cross-sectional images of tissue structure to a depth of up to 2 mm with approximately 10-microm resolution. LIF spectroscopy provides histochemical information in the form of emission spectra from a given tissue location. The OCT subsystem utilizes a superluminescent diode with a center wavelength of 1300 nm, whereas a helium cadmium laser provides the LIF excitation source at wavelengths of 325 and 442 nm. Preliminary data are obtained on eight postmortem aorta samples, each 10 mm in length. OCT images and LIF spectra give complementary information from normal and atherosclerotic portions of aorta wall. OCT images show structures such as intima, media, internal elastic lamina, and fibrotic regions. Emission spectra ratios of 520/490 (325-nm excitation) and 595/635 (442-nm excitation) could be used to identify normal and plaque regions with 97 and 91% correct classification rates, respectively. With miniaturization of the delivery probe and improvements in system speed, this dual-modality device could provide a valuable tool for identification and characterization of atherosclerotic plaques.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».