MétaCan
Menu
Retour à la cohorte
Enregistrement W2123644385 · doi:10.1364/ol.37.002358

Deconvolution method for recovering the photon time-of-flight distribution from time-resolved measurements

2012· article· en· W2123644385 sur OpenAlexafffund
Mamadou Diop, Keith St. Lawrence

Notice bibliographique

RevueOptics Letters · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensLawson Health Research Institute
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Neurotrauma Foundation
Mots-clésDeconvolutionTikhonov regularizationOpticsSingular value decompositionWaveletTemporal resolutionAlgorithmPhoton countingBlind deconvolutionTime of flightPhysicsPhotonInverse problemComputer scienceMathematicsArtificial intelligenceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

A nonparametric deconvolution algorithm for recovering the photon time-of-flight distribution (TOFD) from time-resolved (TR) measurements is described. The algorithm combines wavelet denoising and a two-stage deconvolution method based on generalized singular value decomposition and Tikhonov regularization. The efficacy of the algorithm was tested on simulated and experimental TR data and the results show that it can recover the photon TOFD with high fidelity. Combined with the microscopic Beer-Lambert law, the algorithm enables accurate quantification of absorption changes from arbitrary time-of-flight windows, thereby optimizing the depth sensitivity provided by TR measurements.

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)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,028
Tête enseignante GPT0,318
Écart entre enseignants0,289 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOptics LettersMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207