Non-invasive detection of osteoporotic bone loss using photothermal radiometry and modulated luminescence
Notice bibliographique
Résumé
Osteoporosis is a skeletal disorder characterized by a compromised bone strength predisposing a person to an increased risk of fracture. The early detection of osteoporosis is important to a successful treatment. Current prominent bone densitometry techniques include, among others, Dual Energy X-Ray Absorptiometry (DEXA) and Mechanical Response Tissue Analysis (MRTA). However, DEXA uses ionizing radiation and MRTA results are often unreliable. Simultaneous Photothermal Radiometry (PTR) and Modulated Luminescence (LUM) measurements can be a non-ionizing, noninvasive and reliable alternative to the aforementioned diagnostics techniques. Controlled mineral loss was simulated with sequential etching of a human skull bone. During the experiments, a low-power modulated laser illuminated the sample surface. The absorbed incident optical energy was then re-emitted either non-radiatively, in the form of thermal waves (PTR), or radiatively as lumimescence light emission (LUM). The experimental setup consisted of a semiconductor laser (635 nm, 20 mW), two lock-in amplifiers, a mercury-cadmium-telluride IR detector for PTR, a photodiode for LUM and a computer. A one-dimensional, one-layer theoretical model for LUM and PTR was developed to analyze the experimental data and extract optical and thermal properties of the sample.
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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».