MétaCan
Menu
Retour à la cohorte
Enregistrement W2034413859 · doi:10.1117/12.835363

Complex swept source optical coherence tomography with ultra-small fiber probe for biomedical imaging

2009· article· en· W2034413859 sur OpenAlexaff
Youxin Mao, Shoude Chang, Costel Flueraru

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésInterferometryOptical coherence tomographyOpticsComputer scienceAstronomical interferometerMach–Zehnder interferometerOptical tomographyCoherence (philosophical gambling strategy)Optical fiberPhysics

Résumé

récupéré en direct d'OpenAlex

We demonstrate a catheter-based complex swept-source optical coherence tomography (SS-OCT) system using a 3x3 Mach-Zehnder quadrature interferometer and an ultra-small optic probe. Design and fabrication of fiber lens for ultrasmall optic probes are presented first. We compare in detail measured performance with expected theoretical performance. Then, we present a 3x3 Mach-Zehnder quadrature interferometer to acquire a complex interferometric signal for SS-OCT. We introduce an unbalanced differential detection method to improve the overall utilization of optical power and provide simultaneous access to the complementary phase components of the complex interferometric signal. No calculations by trigonometric relationships are needed. We compare the performance for our setup to that of a similar interferometer with a commonly used balanced detection technique. We demonstrate complex conjugate artifact suppression of 27 dB obtained in our swept-source optical coherence tomography using our unbalanced differential detection. OCT in vivo and ex vivo images shown in this presentation indicate that our catheter-based complex SS-OCT system is capable for imaging of biomedical tissues and inside organs for human and animals.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,211 · 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'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

Citations1
Publié2009
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