MétaCan
Menu
Retour à la cohorte
Enregistrement W1977568999 · doi:10.1117/1.jbo.18.9.096001

Hyperspectral fluorescence lifetime imaging for optical biopsy

2013· article· en· W1977568999 sur OpenAlexafffund
Zhaojun Nie, Ran An, Joseph E. Hayward, Thomas J. Farrell, Qiyin Fang

Notice bibliographique

RevueJournal of Biomedical Optics · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOptical and Acousto-Optic Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsHamilton Health SciencesAmerican Occupational Therapy Foundation
Mots-clésHyperspectral imagingPhotomultiplierOpticsFluorescenceMaterials scienceFluorescence-lifetime imaging microscopyDigital micromirror deviceSIGNAL (programming language)Optical filterWavelengthBiomedical engineeringOptoelectronicsComputer scienceDetectorPhysicsArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

A hyperspectral fluorescence lifetime imaging (FLIM) instrument is developed to study endogenous fluorophores in biological tissue as an optical biopsy tool. This instrument is able to spectrally, temporally, and spatially resolve fluorescence signal, thus providing multidimensional information to assist clinical tissue diagnosis. An acousto-optic tunable filter (AOTF) is used to realize rapid wavelength switch, and a photomultiplier tube and a high-speed digitizer are used to collect the time-resolved fluorescence decay at each wavelength in real time. The performance of this instrument has been characterized and validated on fluorescence tissue phantoms and fresh porcine skin specimens. This dual-arm AOTF design achieves high spectral throughput while allowing microsecond nonsequential, random wavelength switching, which is highly desirable for time-critical applications. In the results reported here, a motorized scanning stage is used to realize spatial scanning for two-dimensional images, while a rapid beam steering technique is feasible and being developed in an ongoing project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,239
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetOptical and Acousto-Optic TechnologiesTravaux en français237 207