MétaCan
Menu
Retour à la cohorte
Enregistrement W2005881292 · doi:10.1364/josaa.18.002548

Theoretical, experimental, and computational aspects of optical property determination of turbid media by using frequency-domain laser infrared photothermal radiometry

2001· article· en· W2005881292 sur OpenAlexaff
Lena Nicolaides, Yan Chen, Andreas Mandelis, I. Alex Vitkin

Notice bibliographique

RevueJournal of the Optical Society of America A · 2001
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensOntario Institute for Cancer ResearchUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésRadiometryOpticsPhotothermal therapyLaserMie scatteringMaterials scienceInfraredTime domainFrequency domainAbsorption (acoustics)SIGNAL (programming language)ScatteringLight scatteringPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

In this work, the optical and thermal properties of tissuelike materials are measured by using frequency-domain infrared photothermal radiometry. This technique is better suited for quantitative multiparameter optical measurements than the widely used pulsed-laser photothermal radiometry (PPTR) because of the availability of two independent signal channels, amplitude and phase, and the superior signal-to-noise ratio provided by synchronous lock-in detection. A rigorous three-dimensional (3-D) thermal-wave formulation with a 3-D diffuse and coherent photon-density-wave source is applied to data from model phantoms. The combined theoretical, experimental, and computational methodology shows good promise with regard to its analytical ability to measure optical properties of turbid media uniquely, as compared with PPTR, which exhibits uniqueness problems. From data sets obtained by using calibrated test phantoms, the reduced optical scattering and absorption coefficients were found to be within 20% and 10%, respectively, of the values independently derived by using Mie theory and spectrophotometric measurements.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
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 Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,220 · 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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Optical Society of America AMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207