MétaCan
Menu
Retour à la cohorte
Enregistrement W2095619208 · doi:10.1088/1742-6596/214/1/012025

Wavelength-modulated differential laser photothermal radiometry for blood glucose measurements

2010· article· en· W2095619208 sur OpenAlexafffund
Xinxin Guo, Andreas Mandelis, Anna Matvienko, Koneswaran Sivagurunathan, Bernard Zinman

Notice bibliographique

RevueJournal of Physics Conference Series · 2010
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLaserMaterials scienceWavelengthSensitivity (control systems)OpticsAbsorption (acoustics)Photothermal therapySIGNAL (programming language)Amplitude modulationChemistryOptoelectronicsFrequency modulationPhysicsRadio frequency

Résumé

récupéré en direct d'OpenAlex

A Wavelength-Modulated Differential Laser Photothermal Radiometer (WM-DPTR) technique was used for non-invasive blood glucose monitoring in the mid-IR range, where the prominent absorption peak is glucose specific and isolated from other interfering peaks in human blood. The WM-DPTR method consists of the out-of-phase modulated excitation at two discrete wavelengths 9.5 μm and 10.4 μm (near the peak and the baseline of glucose absorption), generated from two quantum cascade lasers (QCL) and the differential emission detection through a thermal-wave upconversion process via a HgCdZnTe (MCZT) detector (2-5 μm). The differential method suppresses the background signal and reduces source-detection interference, thus enhancing glucose detection sensitivity. The results from aqueous glucose phantom (0–440 mg/dl) measurements demonstrate that both amplitude and phase of the WM-DPTR signal can be used for glucose detection. The dynamic range and the sensitivity of the glucose detection are influenced greatly by the laser intensity ratio and modulation frequency. The optimal intensity ratio for high sensitivity is ~1. Other laser intensity ratios increase dynamic range but reduce sensitivity. Sensitivity increases with frequency.

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 enseignants0,001
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,021
Tête enseignante GPT0,302
Écart entre enseignants0,281 · 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

Citations12
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207