MétaCan
Menu
Retour à la cohorte
Enregistrement W2061680707 · doi:10.1002/jbio.201100138

Multimodal optical imaging with multiphoton microscopy and optical coherence tomography

2012· review· en· W2061680707 sur OpenAlexafffund
Shuo Tang, Yifeng Zhou, Myeong Jin Ju

Notice bibliographique

RevueJournal of Biophotonics · 2012
Typereview
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOptical coherence tomographyMicroscopyOpticsMultiphoton fluorescence microscopeCoherence (philosophical gambling strategy)Fluorescence-lifetime imaging microscopyFluorescence microscopeBiomedical engineeringOptical imagingMaterials scienceComputer sciencePhysicsFluorescenceMedicine

Résumé

récupéré en direct d'OpenAlex

Two types of combined multiphoton microscopy and optical coherence tomography (MPM/OCT) are compared for multimodal optical imaging. Single-scale multiphoton microscopy and optical coherence microscopy (MPM/OCM) is shown to acquire multiple contrasts from MPM and OCT simultaneously. Multi-scale MPM/OCT is shown to provide multiple field-of-views (FOVs), where OCT provides tissue level imaging and MPM provides cellular level imaging. In both types, the MPM includes two channels which are two-photon excited fluorescence (TPEF) and second harmonic generation (SHG). Representative images using each system are demonstrated on biological specimens. A detailed comparison of the two types of MPM/OCT shows that each system has its own pros and cons. MPM/OCM is high-resolution but with limited FOV, and OCM may or may not provide additional information than MPM depending on the samples. Multi-scale MPM/OCT can change FOV but need both low and high NA objectives. For future development, the two types of MPM/OCT can be further integrated to achieve both functions on a single 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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,017
Tête enseignante GPT0,278
Écart entre enseignants0,261 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiophotonicsMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207