MétaCan
Menu
Retour à la cohorte
Enregistrement W2077866477 · doi:10.1088/0031-9155/59/2/485

Durable rough skin phantoms for optical modeling

2013· article· en· W2077866477 sur OpenAlexafffund
Diana Diao, Lioudmila Tchvialeva, Gurbir Dhadwal, Harvey Lui, David I. McLean, Tim K. Lee

Notice bibliographique

RevuePhysics in Medicine and Biology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensBC Cancer AgencyVancouver Coastal Health Research InstituteUniversity of British ColumbiaSimon Fraser UniversityVancouver Coastal Health
Organismes subventionnairesCanadian Institutes of Health ResearchFaculty of Medicine, University of British ColumbiaVictoria General Hospital FoundationCanadian Dermatology FoundationVGH and UBC Hospital FoundationNatural Sciences and Engineering Research Council of CanadaDermatology Foundation
Mots-clésImaging phantomMaterials scienceSpeckle patternOpticsAttenuationSurface roughnessLight scatteringScatteringSurface finishProfilometerFabricationPhotometry (optics)PhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

Skin phantoms are often used to study and model light propagation. However, existing skin phantoms overlook the important effect of surface roughness on light propagation patterns. This paper reports the construction of durable phantoms with controllable surface roughness and bulk optical properties. With silica microspheres as the scattering particles, we theoretically model the scatterer density required to achieve the desired phantom optical properties before fabrication. The surface roughness and the attenuation coefficients of the constructed phantoms were validated using optical profilometry and ballistic spatial filter photometry. These rough skin phantoms were originally developed for laser speckle studies, but could also be used for studying optical phenomena where light experiences surface and bulk scattering at the same time.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,183
Tête enseignante GPT0,441
Écart entre enseignants0,258 · 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'étudeSimulation ou modélisation
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

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics in Medicine and BiologyMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207