Time-domain geometrical localization of point-like fluorescence inclusions in turbid media with early photon arrival times
Notice bibliographique
Résumé
We introduce a novel approach for localizing a plurality of discrete point-like fluorescent inclusions embedded in a thick turbid medium using time-domain measurements. The approach uses early photon information contained in measured time-of-flight distributions originating from fluorescence emission. Fluorescence time point-spread functions (FTPSFs) are acquired with ultrafast time-correlated single photon counting after short pulse laser excitation. Early photon arrival times are extracted from the FTPSFs obtained from several source-detector positions. Each source-detector measurement allows defining a geometrical locus where an inclusion is to be found. These loci take the form of ovals in 2D or ovoids in 3D. From these loci a map can be built, with the maxima thereof corresponding to positions of inclusions. This geometrical approach is supported by Monte Carlo simulations performed for biological tissue-like media with embedded fluorescent inclusions. To validate the approach, several experiments are conducted with a homogeneous phantom mimicking tissue optical properties. In the experiments, inclusions filled with indocyanine green are embedded in the phantom and the fluorescence response to a short pulse of excitation laser is recorded. With our approach, several inclusions can be localized with low millimeter positional error. Our results support the approach as an accurate, efficient, and fast method for localizing fluorescent inclusions embedded in highly turbid media mimicking biological tissues. Further Monte Carlo simulations on a realistic mouse model show the feasibility of the technique for small animal imaging.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».