Quantitative fluorescence imaging enabled by spatial frequency domain optical-property mapping in the sub-diffusive regime for surgical guidance
Notice bibliographique
Résumé
Intraoperative fluorescence guidance enables maximum safe resection of, for example, glioblastomas by providing surgeons with real-time tumor optical contrast. Specifically, 5-aminolevulinic acid (ALA)-induced protoporphyrin IX (PpIX) fluorescence guided resection can improve surgical outcomes by better defining tumor margins and identifying satellite tumor foci. However, visual assessment of PpIX fluorescence is subjective and limited by the distorting effects of light attenuation (absorption and scattering) by tissue and background tissue autofluorescence. We have previously shown, using a point fluorescence-reflectance fiberoptic probe, that non-invasive measurement of the absolute PpIX concentration, [PpIX], further improves sensitivity and specificity, leading to the demonstration that the technique can also detect low-grade gliomas as well as otherwise undetectable residual tumor foci in high-grade disease. Here, we extend this approach to wide-field quantitative fluorescence imaging (qFI) by implementing spatial frequency domain imaging (SFDI) to recover the tissue optical absorption and transport scattering coefficients across the field of view. We report on the performance of this approach to determine the intrinsic fluorescence intensity in tissue-simulating phantoms in both the fully diffusive (i.e. scatter-dominated) and sub-diffusive (low transport albedo) regimes, for which higher spatial frequencies are used. The performance of qFI is compared to a Born- normalization correction scheme, as well as to the values obtained using the fiberoptic probe on homogeneous tissue phantoms containing PpIX.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».