A multi-view time-domain non-contact diffuse optical tomography scanner with dual wavelength detection for intrinsic and fluorescence small animal imaging
Notice bibliographique
Résumé
We present a non-contact diffuse optical tomography (DOT) scanner with multi-view detection (over 360°) for localizing fluorescent markers in scattering and absorbing media, in particular small animals. It relies on time-domain detection after short pulse laser excitation. Ultrafast time-correlated single photon counting and photomultiplier tubes are used for time-domain measurements. For light collection, seven free-space optics non-contact dual wavelength detection channels comprising 14 detectors overall are placed around the subject, allowing the measurement of time point-spread functions at both excitation and fluorescence wavelengths. The scanner is endowed with a stereo camera pair for measuring the outer shape of the subject in 3D. Surface and DOT measurements are acquired simultaneously with the same laser beam. The hardware and software architecture of the scanner are discussed. Phantoms are used to validate the instrument. Results on the localization of fluorescent point-like inclusions immersed in a scattering and absorbing object are presented. The localization algorithm relies on distance ranging based on the measurement of early photons arrival times at different positions around the subject. This requires exquisite timing accuracy from the scanner. Further exploiting this capability, we show results on the effect of a scattering hetereogenity on the arrival time of early photons. These results demonstrate that our scanner provides all that is necessary for reconstructing images of small animals using full tomographic reconstruction algorithms, which will be the next step. Through its free-space optics design and the short pulse laser used, our scanner shows unprecedented timing resolution compared to other multi-view time-domain scanners.
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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».