MétaCan
Menu
Retour à la cohorte
Enregistrement W2026457074 · doi:10.1118/1.2031035

Sci‐PM Fri ‐ 03: Potential use of diffusion theory for quantitative <i>in vivo</i> fluorescence and bioluminescence imaging

2005· article· en· W2026457074 sur OpenAlexaff
D Comsa, Thomas J. Farrell, Michael S. Patterson

Notice bibliographique

RevueMedical Physics · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensMcMaster UniversityJuravinski Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésImaging phantomMonte Carlo methodOpticsDiffusionBiomedical engineeringCharge-coupled devicePoint sourceHeavy traffic approximationInstrumentation (computer programming)PhysicsMaterials scienceBiological systemComputer scienceMathematicsStatisticsMedicine

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been increasing interest in the potential of optical methods to detect and monitor in vivo minimal residual disease and metastasis in animal cancer models. The overall objective of the present work is to develop analytical methods and instrumentation to construct quantitative bioluminescence and fluorescence images of bone metastases. The diffusion approximation was investigated as a mathematical model of light propagation in tissue. Testing of the model against Monte Carlo simulation data showed that the optical properties could be retrieved from a reflectance curve with an accuracy of better than 2%. The evaluation of the model was also performed on liquid tissue‐simulating phantoms by using the tip of an optical fiber to simulate a point source. A charge‐coupled device (CCD) camera was used to acquire images of the surface of the phantom with the point source inserted at different depths. In addition, a non‐invasive measurement of the optical properties of the phantom was performed. Results showed that, for the depth ranges where diffusion theory was expected to be valid, the depth could be reconstructed with 15% accuracy and the fitted relative intensities of the source were consistent to expected values within 30%.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,316
Écart entre enseignants0,299 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical PhysicsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207