Spatiofrequency filter in turbid medium enhanced by background scattered light subtraction from a deviated laser source
Notice bibliographique
Résumé
Angular Domain Imaging is an optical tomography technique that filters out scattered light by accepting only photons with small deviation angles from their original trajectories. Previously, angular filters of linear collimating array (0.29° acceptance) or spatiofrequency filter of a +50mm lens with a 214um aperture (0.25° acceptance) were used. In the linear collimating array system, using a wedge prism to deviate the light source by 2-3x the acceptance angle creates a second image of only the scattered components which can then be subtracted from the filtered image to enhance detectability. We now apply this technique to the spatiofrequency filter system at an angle 2x the acceptance. Utilizing several wavelengths of laser sources with different beam symmetries, test phantoms are placed in a 5cm thick sample of diluted intralipid solution, with a maximum SR of 1.64×106:1 (μs' = 1.8cm-1). By digitally subtracting the background scattered light, test phantoms previously unobservable are now distinguishable. Using background subtraction, the SR limitation of the SFF system improves 3x under full illumination and ~40x under line of light illumination. The improvement under partial illumination is similar to the result using the collimator array, but with resolution limited by the optics used in the system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».