A transmissive laser speckle imaging technique for measuring deep tissue blood flow: An example application in finger joints
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Laser speckle perfusion imaging (LSPI) is a minimally invasive optical measure of relative changes in blood flow, providing real-time, high resolution, two-dimensional maps of vascular structure. Standard LSI imaging uses a light-reflective geometry that limits the measurement to a thin surface layer of 0.2-1 mm. The objective of this study was to test a new LSI instrument geometry with the laser source opposed to the image capture plane (light transmissive). Captured light then travels the entire tissue thickness (10-15 mm), sampling much deeper regions of interest than conventional optical imaging techniques. STUDY DESIGN: Reflective-light (conventional) and transmissive-light LSI modes were used to measure finger joint blood flow during a timed tourniquet occlusion of the brachial artery in volunteer participants. RESULTS: There was greatly increased visibility of vessels underlying the skin in the light-transmissive mode LSI mode. Established LSI algorithms were shown to still work in the light-transmissive mode, despite decorrelation due to finite laser coherence length and the light passing through a tissue thickness of 10-15 mm. CONCLUSION: Transmissive LSI can be used to measure blood flow deep (10-15 mm) into tissues. This could be useful for non-invasive measurements of finger joint synovial blood flow in diagnosing and treating peripheral vascular disorders, such as rheumatoid arthritis.
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 | 0,000 |
| 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 ».