MétaCan
Menu
Retour à la cohorte
Enregistrement W2003345655 · doi:10.1364/ol.38.001280

Texture analysis of optical coherence tomography speckle for characterizing biological tissues in vivo

2013· article· en· W2003345655 sur OpenAlexafffund
Andras Lindenmaier, Leigh Conroy, Golnaz Farhat, Ralph S. DaCosta, Costel Flueraru, I. Alex Vitkin

Notice bibliographique

RevueOptics Letters · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensInstitute for Microstructural SciencesUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésOptical coherence tomographySpeckle patternOpticsPreclinical imagingIn vivoSpeckle imagingSpeckle noiseTomographyCoherence (philosophical gambling strategy)Biomedical engineeringMaterials sciencePathologyPhysicsMedicineBiology

Résumé

récupéré en direct d'OpenAlex

We demonstrate a method for differentiating tissue disease states using the intrinsic texture properties of speckle in optical coherence tomography (OCT) images of normal and tumor tissues obtained in vivo. This approach fits a gamma distribution function to the nonlog-compressed OCT image intensities, thus allowing differentiation of normal and tumor tissues in an ME-180 human cervical cancer mouse xenograft model. Quantitative speckle intensity distribution analysis thus shows promise for identifying tissue pathologies, with potential for early cancer detection in vivo.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,237
Écart entre enseignants0,221 · 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

Citations64
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207