Fluorescence angular domain imaging of skin tissue phantoms using intralipid-infused solids
Notice bibliographique
Résumé
Optical imaging through biological tissue has the significant problems of scattering which degrades the image resolution and quality. Research has shown that Angular Domain Imaging (ADI) improves image quality by filtering out the scattered light in the biological tissue images based on the angular direction of photons. The advantage of this technique is that it is independent of the wavelength, coherent, pulse, or duration compared to OCT or time domain. This allows us to couple ADI with conventional fluorescence imaging technique. Previous work was creating test media by varying Intralipid/water concentration to produce different scattering levels. This showed difficulties in producing a consistent scattering medium in liquid states. Hence, ideally we want a reusable solid medium which has a stable scattering characteristic. Our target is to investigate fluorescence ADI on skin with cancerous collagen tissue where healthy collagen fluoresces while the cancerous collagen tissue does not. To mimic the characteristic of skin, a solid scattering medium over a patterned fluorescence material with non-emitting structures is created. We used a solid agar medium, or a transparent polymer, infused with Intralipid at different concentrations, as the scattering medium. The solid media with similar scattering characteristic of skin (μs = 20cm<sup>-1</sup>, g = 0.85) is placed on top of a fluorescence plastic (415nm excitation, ≈ 530nm emission) which is patterned by strips of non-emitting structures (200-400μm). Using small apertures with acceptance angles of 0.171° a distance away from the solid scattering medium, these non-emitting structures are detectable at shallow scattering tissue depth (1-2mm).
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».