MétaCan
Menu
Retour à la cohorte
Enregistrement W2109988148 · doi:10.1117/1.3281670

Angular domain fluorescence imaging for small animal research

2010· article· en· W2109988148 sur OpenAlexafffund
Fartash Vasefi, Michelle Belton, Bożena Kamińska, Glenn H. Chapman, Jeffrey J. L. Carson

Notice bibliographique

RevueJournal of Biomedical Optics · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensSimon Fraser UniversityLawson Health Research Institute
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFluorescencePinhole (optics)Materials scienceOpticsFluorophoreLens (geology)Fluorescence-lifetime imaging microscopyPreclinical imagingCollimated lightPhysicsIn vivoLaserBiology

Résumé

récupéré en direct d'OpenAlex

We describe a novel macroscopic fluorescent imaging technique called angular domain fluorescence imaging (ADFI) applicable to the detection of fluorophores embedded in biological tissues. The method exploits the collimation detection capabilities of an angular filter array (AFA). The AFA uses the principle of acceptance angle filtration to extract minimally scattered photons emitted from fluorophores deep within tissue. Our goal was to develop an ADFI system for imaging near-infrared fluorescent markers for small animal imaging. According to the experimental results, the ADFI system offered higher resolution and contrast compared to a conventional lens and lens-pinhole fluorescent detection system. Furthermore, ADFI of a hairless mouse injected with a fluorescent bone marker revealed vertebral structural and morphometric data that correlated well with data derived from volumetric x-ray computed tomography images. The results suggested that ADFI is a useful technique for submillimeter mapping of the distribution of fluorescent biomarkers in small animals.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,521
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,399
Écart entre enseignants0,364 · 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 tête enseignante, 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

Citations10
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207