MétaCan
Menu
Retour à la cohorte
Enregistrement W2043055045 · doi:10.1109/jphot.2014.2321754

Characterization of Optical Coherence Tomography Images Acquired at Large Distances With Large-Diameter Beams

2014· article· en· W2043055045 sur OpenAlexaff
Dan P. Popescu, Michael S. Smith, Michael G. Sowa

Notice bibliographique

RevueIEEE photonics journal · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensMedical Council of Canada
Organismes subventionnairesnon disponible
Mots-clésCollimated lightOpticsOptical coherence tomographyCollimatorSample (material)Beam (structure)Materials sciencePhysicsLaser

Résumé

récupéré en direct d'OpenAlex

We tested the imaging capabilities for variants of a 1550-nm swept-source fiber-based optical coherence tomography system with a telecentric system incorporated at the end of its sample arm. The system was designed for in vivo imaging of burns; therefore, we acquired images from samples located at distances greater than 24 cm from the exit of the telecentric system. Each system variation had a specific combination of diameters for the reference and sample beams. In the reference arm, we used, alternately, two collimated beams with diameters of 1.5 and 14 mm, respectively. In the sample arm, we tested collimated beams with the following diameters: 1.5, 3.5, 5.7, 8.4, and 14 mm. A galvanometric mirror system scanned the collimated sample beam across the entrance pupil of the telecentric system. The sample beam exited the telecentric system parallel with its optical axis and convergent onto the sample. Depending on the collimator used in the sample arm, images were acquired with beams focused to waist diameters ranging from 40 to 240 μm. We acquired images with the sample at different locations within a ±30 mm range centered about the sample beam waist. Furthermore, we used the signal-to-noise ratio, the detected signal intensity, and the visual appearance to compare images acquired with different sample/reference beam configurations.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,207 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE photonics journalMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207