MétaCan
Menu
Retour à la cohorte
Enregistrement W2116831850 · doi:10.1117/1.jbo.17.6.061217

Non-contact biomedical photoacoustic and ultrasound imaging

2012· article· en· W2116831850 sur OpenAlexaff
Guy Rousseau, Bruno Gauthier, Alain Blouin, Jean‐Pierre Monchalin

Notice bibliographique

RevueJournal of Biomedical Optics · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésOptical coherence tomographyUltrasoundMaterials scienceLaserPhotoacoustic imaging in biomedicineInterferometryOpticsTransducerUltrasonic sensorPhotoacoustic Doppler effectPhotoacoustic effectBiomedical engineeringPhotoacoustic spectroscopyAcousticsMedicinePhysics

Résumé

récupéré en direct d'OpenAlex

The detection of ultrasound in photoacoustic tomography (PAT) usually relies on ultrasonic transducers in contact with the biological tissue through a coupling medium. This is a major drawback for important potential applications such as surgery. Here we report the use of a remote optical method, derived from industrial laser-ultrasonics, to detect ultrasound in tissues. This approach enables non-contact PAT (NCPAT) without exceeding laser exposure safety limits. The sensitivity of the method is based on the use of suitably shaped detection laser pulses and a confocal Fabry-Perot interferometer in differential configuration. Reliable image reconstruction is obtained by measuring remotely the surface profile of the tissue with an optical coherence tomography system. The proposed method also allows non-contact ultrasound imaging (US) by applying a second reconstruction algorithm to the data acquired for NCPAT. Endogenous and exogenous inclusions exhibiting optical and acoustic contrasts were detected ex vivo in chicken breast and calf brain specimens. Inclusions down to 0.3 mm in size were detected at depths exceeding 1 cm. The method could expand the scope of photoacoustic and US to in-vivo biomedical applications where contact is impractical.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,005
Tête enseignante GPT0,219
Écart entre enseignants0,214 · 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

Citations79
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207