<i>In vivo</i> near‐infrared autofluorescence imaging of pigmented skin lesions: methods, technical improvements and preliminary clinical results
Notice bibliographique
Résumé
BACKGROUND/PURPOSES: Fluorescence emission from in vivo cutaneous melanin was recently detected under near-infrared (NIR) excitation by our group. We then built a prototype NIR autofluorescence imaging system to observe and characterize the melanin distribution in human skin. In this article, we reported a new setup of NIR fluorescence imaging system and calibration methods to optimize the system for better clinical feasibility and clearer image. METHODS: The imaging system was designed to perform both fluorescence and reflectance imaging with a 785-nm fiber-coupled laser source. The illumination light was purified by a 785-nm bandpass filter for fluorescence excitation; while the spontaneous components were selected by a longpass filter for NIR reflectance imaging. A hand-controlled filter wheel was used to switch these two filters for different imaging modes. A dichroic filter was used to guide the illuminating light onto the skin surface for excitation. Reflectance and fluorescence signals were collected sequentially by a NIR optimized CCD camera. The captured images were calibrated by the reflectance images of a standard reflectance disk for non-uniform illuminations and light collection efficiencies. RESULTS: The clinical results demonstrated that NIR fluorescence intensities and distribution patterns vary among lesion types. It was also confirmed that pigmented skin lesions emitted higher NIR fluorescence than the surrounding normal skin due to the presentation of higher concentrations of cutaneous melanin within the lesions. CONCLUSION: NIR autofluorescence imaging system could be utilized as a powerful tool for visualizing melanin distribution in pigmented skin lesions and as a potential method for aiding melanoma detection.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».