MétaCan
Menu
Retour à la cohorte
Enregistrement W2032186844 · doi:10.1117/12.778741

Large area full-field optical coherence tomography using white light source

2007· article· en· W2032186844 sur OpenAlexaff
Shoude Chang, Youxin Mao, Sherif Sherif, Costel Flueraru

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésOptical coherence tomographySuperluminescent diodeOpticsHalogen lampNear and far fieldBandwidth (computing)Coherence (philosophical gambling strategy)Light sourcePenetration depthDiodeComputer scienceMaterials scienceOptoelectronicsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Optical coherence tomography (OCT) is an emerging technology for high-resolution cross-sectional imaging of 3D structures. Not only could OCT extract the internal features of an object, but it could acquire the 3D profile of an object as well. Hence it has huge potentials for industrial applications. Owing to non-scanning along the X-Y axis, full-field OCT could be the simplest and most economic imaging system, especially for applications where the speed is critical. For an OCT system, the performance and cost basically depends on the light source being used. The broader the source bandwidth, the finer of the depth resolution that could be reached; the more power of the source, the better signal-to-noise ratio and the deeper of penetration the system achieves. A typical SLD (Superluminescent Diode) light source has a bandwidth of 15 nm and 10 mW optical power at a price around $6,000. However, a Halogen bulb having 50W power and 200nm bandwidth only costs less than $10. The design and implementation of a large-area, full-field OCT system using Halogen white-light source is described in the paper. The experimental results obtained from 3D shaping and multiple-layer tomographies are also presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,219 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207