MétaCan
Menu
Retour à la cohorte
Enregistrement W2117028817 · doi:10.1364/ao.42.002923

Haar transform analysis of photon time-of-flight measurements for quantification of optical properties in scattering media

2003· article· en· W2117028817 sur OpenAlexaff
Claudia E.W. Gributs, David H. Burns

Notice bibliographique

RevueApplied Optics · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésScatteringOpticsWaveletLogarithmAttenuation coefficientAbsorption (acoustics)Materials scienceHaar waveletWavelet transformPhoton countingPhotonRefractive indexPhysicsComputational physicsAnalytical Chemistry (journal)MathematicsDiscrete wavelet transformChemistryMathematical analysisComputer science

Résumé

récupéré en direct d'OpenAlex

A method to independently quantify the absorption and the scattering properties of samples based on the analysis of the Haar transform (HT) of photon time-of-flight (TOF) distributions is described. A series of reflectance photon TOF measurements were acquired from absorbing/scattering milk samples of known composition (0 < mu(a) < 0.025 mm(-1); 100 < mu(s) < 250 mm(-1)). The HT of the profiles was calculated, and the regression based on the most parsimonious subset of wavelets was determined by the genetic algorithm (GA). In addition, the utility of computing the logarithm of the profiles or of the absolute value of the wavelet coefficients before the GA was studied. Results show that the absorption coefficient could be estimated with a coefficient of variation (C.V.) of 6.7% and an r2 of 0.99 by use of the log of selected wavelets of frequency less than 800 MHz. Scattering coefficients were estimated with a C.V. of 2.3% and an r2 of 0.99 with the log of wavelets of frequency less than 400 MHz. The above results suggest that a simplified instrument based on low-frequency switches could be developed to quantify the optical properties of highly scattering media.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,053
Tête enseignante GPT0,304
Écart entre enseignants0,251 · 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

Citations4
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied OpticsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207