Improving the depth sensitivity of time-resolved measurements by extracting the distribution of times-of-flight
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Time-resolved (TR) techniques provide a means of discriminating photons based on their time-of-flight. Since early arriving photons have a lower probability of probing deeper tissue than photons with long time-of-flight, time-windowing has been suggested as a method for improving depth sensitivity. However, TR measurements also contain instrument contributions (instrument-response-function, IRF), which cause temporal broadening of the measured temporal point-spread function (TPSF) compared to the true distribution of times-of-flight (DTOF). The purpose of this study was to investigate the influence of the IRF on the depth sensitivity of TR measurements. TPSFs were acquired on homogeneous and two-layer tissue-mimicking phantoms with varying optical properties. The measured IRF and TPSFs were deconvolved using a stable algorithm to recover the DTOFs. The microscopic Beer-Lambert law was applied to the TPSFs and DTOFs to obtain depth-resolved absorption changes. In contrast to the DTOF, the latest part of the TPSF was not the most sensitive to absorption changes in the lower layer, which was confirmed by computer simulations. The improved depth sensitivity of the DTOF was illustrated in a pig model of the adult human head. Specifically, it was shown that dynamic absorption changes obtained from the late part of the DTOFs recovered from TPSFs acquired by probes positioned on the scalp were similar to absorption changes measured directly on the brain. These results collectively demonstrate that this method improves the depth sensitivity of TR measurements by removing the effects of the IRF.
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.
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 | 0,001 |
| 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 | 0,001 |
| 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 découle