A Monte Carlo study of Mueller matrix decomposition in complex tissue-like turbid media
Notice bibliographique
Résumé
Extraction / unique interpretation of the intrinsic polarization parameters in optically thick turbid media such as tissues is complex due to multiple scattering effects and due to simultaneous occurrences of many polarization effects (the most common polarimetry effects in tissues are depolarization, linear birefringence and optical activity). Each of these polarimetry characteristics, if separately extracted, holds promise as a useful biological metric. We have recently investigated the use of an expanded Mueller matrix decomposition method to tackle this problem, with early indications showing promise. However, for further insight and for practical realization of this approach, it is essential to have quantitative understanding of the confounding effects of scattering, the propagation path of multiply scattered photons and detection geometry on the Mueller matrix-derived polarization parameters (parameters of particular biomedical importance are linear retardance, optical rotation and depolarization). The effect of the ordering of the individual matrices in the decomposition analysis on the derived polarization parameters also needs to be studied. We have therefore investigated these issues by decomposing the Mueller matrices generated with a polarization sensitive Monte Carlo model, capable of simulating all the simultaneous optical (scattering and polarization) effects. The results show that with appropriate choice of detection position, indeed the inverse decomposition analysis enables one to decouple and quantify the individual intrinsic polarimetry characteristics despite their simultaneous occurrence, even in the presence of the numerous complexities due to multiple scattering. The details of these results are presented and the implications of these in diagnostic photomedicine are discussed.
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) | 0,001 | 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 | 0,001 | 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 ».