MétaCan
Menu
Retour à la cohorte
Enregistrement W2542582624 · doi:10.1039/c6an02061e

Raman spectroscopy in microsurgery: impact of operating microscope illumination sources on data quality and tissue classification

2016· article· en· W2542582624 sur OpenAlexafffund
Joannie Desroches, Audrey Laurence, Michael Jermyn, Michael Pinto, Marie-Andrée Tremblay, Kevin Petrecca, Frédéric Leblond

Notice bibliographique

RevueThe Analyst · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensMcGill UniversityMontreal Neurological Institute and HospitalPolytechnique Montréal
Organismes subventionnairesMitacsCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of Canada
Mots-clésRaman spectroscopyMicroscopeWorkflowMicroscopyOpticsMaterials scienceRaman microscopeSpectroscopyFilter (signal processing)Biomedical engineeringComputer scienceMedicinePhysicsComputer visionRaman scatteringDatabase

Résumé

récupéré en direct d'OpenAlex

Ambient light artifacts can confound Raman spectroscopy measurements performed in a clinical setting such as during open surgery. However, requiring light sources to be turned off during intraoperative spectral acquisition can be impractical because it can slow down the procedure by requiring surgeons to acquire data under light conditions different from the routine clinical practice. Here a filter system is introduced allowing in vivo Raman spectroscopy measurements to be performed with the light source of a neurosurgical microscope turned on, without interfering with the standard procedure. Ex vivo and in vivo results on calf and human brain, respectively, show that when the new filter system is used there is no significant difference between Raman spectra acquired under pitch dark conditions or with the microscope light source turned on. This is important for the clinical translation of Raman spectroscopy because of the resulting decrease in total imaging time for each measurement and because the surgeon can now acquire spectroscopic data with no disruption of the surgical workflow.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,199

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 Opus0,060
Tête enseignante GPT0,434
Écart entre enseignants0,374 · 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

Citations15
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207