MétaCan
Menu
Retour à la cohorte
Enregistrement W2071686453 · doi:10.1117/12.909157

In vivo combined photoacoustic and Doppler ultrasound imaging

2012· article· en· W2071686453 sur OpenAlexaff
Yan Jiang, Tyler Harrison, Alexander Forbrich, Roger J. Zemp

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPhotoacoustic Doppler effectDoppler effectPhotoacoustic imaging in biomedicineBlood flowUltrasoundMaterials scienceBiomedical engineeringPhotoacoustic spectroscopyFlow velocityOxygen saturationIn vivoLaser Doppler velocimetryDoppler ultrasoundDoppler imagingOpticsOxygenFlow (mathematics)AcousticsPhysicsRadiologyMedicine

Résumé

récupéré en direct d'OpenAlex

The long-term goal of our research is to develop photoacoustic and Doppler ultrasound imaging methods for noninvasive estimation of the oxygen consumption rate (MRO2) in vivo. Previously, we have demonstrated a combined photoacoustic and high-frequency Doppler ultrasound system and shown the feasibility of flow velocity and oxygen saturation (sO2) estimation using double-ink flow phantoms. In this work, the results of in vitro sheep blood experiments are presented. Blood oxygen flux has been estimated at different sO2 levels and mean flow speeds, and the uncertainty of the measurement has been quantified. In vivo experiments have been performed on Swiss Webster mice to provide coregistered photoacoustic and Doppler flow images with imaging depths of ~2mm. Doppler bandwidth broadening technique has been used to obtain transverse flow velocity. The diameter of the blood vessel is ~500μm and the mean flow speed is 15cm/s. We are working towards sO2 estimation in vivo and 3D oxygen consumption imaging of tumors at depths beyond OR-PAM.

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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 GPT0,211
Écart entre enseignants0,204 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207