MétaCan
Menu
Retour à la cohorte
Enregistrement W2062287830 · doi:10.1117/12.728573

Speckle size in optical coherence tomography

2007· article· en· W2062287830 sur OpenAlexafffund
Guy Lamouche, C.-E. Bisaillon, R. Maciejko, M. Dufour, J.‐P. Monchalin

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensPolytechnique MontréalNational Research Council Canada
Organismes subventionnairesNational Research Council CanadaGenomic Health
Mots-clésSpeckle patternOptical coherence tomographyImaging phantomOpticsDiffuse optical imagingCoherence (philosophical gambling strategy)Optical tomographyMaterials scienceSpeckle noiseSpeckle imagingTomographyPhysics

Résumé

récupéré en direct d'OpenAlex

Speckle is inherent to any Optical Coherence Tomography (OCT) imaging of biological tissue. It is often seen as degrading the signal, but it also carries information about the tissue microstructure. One parameter of interest is the speckle size. We study the variations in speckle size on optical phantoms with different density of scatterers. Phantoms are fabricated with a new approach by introducing silica microspheres in a curing silicon matrix, providing phantoms with a controlled density of scatterers. These phantoms are also solid, deformable, and conservable. Experimental results are obtained with Time-Domain OCT (TD-OCT). Modeling is performed by simulating a phantom as a random distribution with of discrete scatterers. Both experimental results and modeling show that the speckle size varies when there are few scatterers contained within the probed volume, the latter being defined by the coherence length and the spot size of the focusing optics. As a criterion to differentiate tissues, the speckle size has the same sensitivity as the contrast parameter that is studied in Ref. 1. This work also contributes to a better understanding of speckle in OCT.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207