MétaCan
Menu
Retour à la cohorte
Enregistrement W2735526804 · doi:10.1002/jbio.201700055

K‐distribution three‐dimensional mapping of biological tissues in optical coherence tomography

2017· article· en· W2735526804 sur OpenAlexafffund
Mitsuro Sugita, Robert A. Brown, Ivan A. Popov, I. Alex Vitkin

Notice bibliographique

RevueJournal of Biophotonics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensUniversity Health NetworkMcGill UniversityMontreal Neurological Institute and HospitalOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaMinistry of Education and Science of the Russian Federation
Mots-clésOptical coherence tomographyTomographyDistribution (mathematics)OpticsBiological systemBiomedical engineeringPhysicsBiologyMathematicsMedicineMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Probability density function (PDF) analysis with K-distribution model of optical coherence tomography (OCT) intensity signals has previously yielded a good representation of the average number of scatterers in a coherence volume for microspheres-in-water systems, and has shown initial promise for biological tissue characterization. In this work, we extend these previous findings, based on single point M-mode or two-dimenstional slice analysis, to full three-dimensional (3D) imaging maps of the shape parameter α of the K-distribution PDF. After selecting a suitably sized 3D evaluation window, and verifying methodology in phantoms, the resultant parametric α images obtained in different animal tissues (rat liver and brain) show new contrasting ability not seen in conventional OCT intensity images.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,030
Tête enseignante GPT0,265
Écart entre enseignants0,235 · 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'étudeObservationnel
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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiophotonicsMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207