Time-domain 3D localization of fluorescent inclusions in a thick scattering medium
Notice bibliographique
Résumé
We introduce an improved approach in the 3D localization of discrete fluorescent inclusions in a thick scattering medium. Previously our approach provided accurate localization of a single inclusion, showing the potential for direct time-of-flight fluorescence diffuse optical tomography. Here, we localize various combinations of multiple fluorescent inclusions. We resort to time-domain (TD) detection of emitted fluorescence pulses after short pulse laser excitation. Our approach relies on a signal processing technique, dubbed numerical constant fraction discrimination (NCFD), for extracting in a stable manner the arrival time of early photons emitted by one or many fluorescent inclusions from measured time-of-flight (TOF) distributions. Our experimental set-up allows multi-view tomographic optical TD measurements over 360 degrees without contact with the medium. It uses an ultra-short pulse laser and ultra-fast time-correlated single photon counting (TCSPC) detection. Fluorescence time point-spread functions (FTPSFs) are acquired all around the phantom after laser excitation. From measured FTPSFs, the arrival time of a fluorescent wavefront at a detector position is extracted with our NCFD technique. Indocyanine green (ICG; absorption peak = 780nm, emission peak = 830nm) is used for the inclusions. Various experiments were conducted with this set-up in a stepwise fashion. First, single inclusion experiments are presented to provide background information. Second, we present results using two inclusions in a plane. Then, we move on with two inclusions located in different planes. Finally, we show results with a plurality of inclusions (>2) distributed at arbitrary positions in the medium. Using an algorithm we have developed and tested on the acquired data, we successfully achieve to locate the inclusions. Here, results are obtained for discrete inclusions. In a close future, we expect to extend our method to continuous fluorescence distributions.
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 | 0,000 | 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 | 0,001 | 0,000 |
| 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 ».