MétaCan
Menu
Retour à la cohorte
Enregistrement W2038782544 · doi:10.1364/ao.45.007005

Refractive effects in coherent anti-Stokes Raman scattering microscopy

2006· article· en· W2038782544 sur OpenAlexaff
Nadia Djaker, David Gachet, Nicolas Sandeau, Pierre‐François Lenne, Hervé Rigneault

Notice bibliographique

RevueApplied Optics · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensSaint Paul University
Organismes subventionnairesnon disponible
Mots-clésRefractive indexOpticsRaman scatteringSIGNAL (programming language)Materials scienceRaman spectroscopyMicroscopyRefractometryPolystyreneForward scatterScatteringCoherent anti-Stokes Raman spectroscopyPhysics

Résumé

récupéré en direct d'OpenAlex

Coherent anti-Stokes Raman scattering (CARS) microscopy with high sensitivity and high three- dimensional resolution has been developed for the vibrational imaging of chemical species. Due to the coherent nature of the CARS emission, it has been reported that the detection of epi-CARS and forward-CARS (F-CARS) signals depends on the size and shape of the sample. We investigate theoretically and experimentally the effects on the CARS signal of refractive index mismatches between the sample and its surroundings. Backward-CARS and F-CARS signals are measured for different polystyrene bead diameters embedded in different refractive index solvents. We show that index mismatches result in a backward-reflected F-CARS signal that generally dominates the experimentally backward-detected signal. Simulations based on geometrical and wave optics comparing forward- and backward-detected signals for polystyrene beads embedded in different index solvents confirm our findings. Furthermore, we demonstrate that the maxima of forward- and backward-detected signals are generated at different positions along the optical axis in the sample if refractive index mismatches are present between the sample and its surroundings.

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)0,003
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,005
Tête enseignante GPT0,286
Écart entre enseignants0,281 · 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

Citations37
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207