MétaCan
Menu
Retour à la cohorte
Enregistrement W2004857618 · doi:10.1364/oe.21.015298

Spatial-spectral coupling in coherent anti-Stokes Raman scattering microscopy

2013· article· en· W2004857618 sur OpenAlexafffund
Aaron M. Barlow, Konstantin I. Popov, Marco Andreana, Douglas J. Moffatt, Andrew Ridsdale, Aaron D. Slepkov, James L. Harden, Lora Ramunno, Albert Stolow

Notice bibliographique

RevueOptics Express · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensTrent UniversityNational Research Council CanadaUniversity of Ottawa
Organismes subventionnairesResearch and Innovation FoundationUniversity of TorontoNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésOpticsRaman scatteringHyperspectral imagingMicroscopyCoherent anti-Stokes Raman spectroscopyCoherent diffraction imagingCoherent spectroscopyPhysicsPhase retrievalRaman spectroscopyRayleigh scatteringInterference (communication)Coherent backscatteringCoupling (piping)ScatteringNonlinear opticsMaterials scienceFourier transformLaserComputer science

Résumé

récupéré en direct d'OpenAlex

Coherent anti-Stokes Raman scattering (CARS) microscopy is a third-order nonlinear optical technique which permits label-free, molecule-specific hyperspectral imaging. The interference between coherent resonant and non-resonant terms leads to well known distortions in the vibrational spectrum, requiring the use of retrieval algorithms. It also leads to spatial imaging distortions, largely due to the Gouy phase, when objects are smaller than the Rayleigh range. Here we consider that the focal position and spectral contributions to the nonlinear image formation are intrinsically coupled and cannot be corrected by conventional retrieval methods.

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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,303
Écart entre enseignants0,292 · 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

Citations11
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics ExpressMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207