Simulation of the interaction of light and tissue in a large volume using a Markov chain Monte Carlo method
Notice bibliographique
Résumé
Numerical simulation of the interaction between light and tissue is important for the design and analysis of many optical imaging modalities. Most current simulations are based on the Transport Theory of light in a dielectric, and only calculate the intensity of light in a volume. These simulations do not provide phase information, which is important for many biomedical imaging systems. We are interested in obtaining the optical field, magnitude and phase, due to the interaction of light with tissue. Therefore, we need to solve the integral equation for scalar scattering in a volume of interest. Since the wavelength of light is in the order of nanometres, simulation of volumes of more than a few millimetres requires intensive computational resources. For large volumes, Monte Carlo methods are a suitable choice because their computational complexity is independent of the mathematical dimension of the problem. Also by a careful selection of the random sampling scheme the number of samples needed can be further reduced. In this paper we present an implementation of a method to solve Fredholm integral equations of the second kind using Reversible Jump Markov chain Monte Carlo (RJMCMC). This method could be used to simulate light in tissue with very large electrical size, meaning tissue whose physical dimensions are much larger than the wavelength of light, by solving the integral equation of scalar scattering over a large domain. We implemented this method based on RJMCMC and present in this paper the results of applying it to solve integral equations of one and two dimensions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».