MétaCan
Menu
Retour à la cohorte
Enregistrement W2754004990 · doi:10.1142/s1793545817420068

Practical obstacles and their mitigation strategies in compressional optical coherence elastography of biological tissues

2017· article· en· W2754004990 sur OpenAlexaff
Vladimir Y. Zaitsev, Alexander L. Matveyev, Lev A. Matveev, Ekaterina V. Gubarkova, Alexander A. Sovetsky, Marina A. Sirotkina, Grigory V. Gelikonov, Elena V. Zagaynova, Natalia D. Gladkova, I. Alex Vitkin

Notice bibliographique

RevueJournal of Innovative Optical Health Sciences · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound Imaging and Elastography
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesRussian Foundation for Basic Research
Mots-clésElastographyCoherence (philosophical gambling strategy)CurvatureStiffnessOptical coherence tomographyModulusNonlinear systemMaterials scienceAcousticsBiomedical engineeringOpticsComputer sciencePhysicsUltrasoundMathematicsComposite materialMedicineGeometry

Résumé

récupéré en direct d'OpenAlex

In this paper, we point out some practical obstacles arising in realization of compressional optical coherence elastography (OCE) that have not attracted sufficient attention previously. Specifically, we discuss (i) complications in quantification of the Young modulus of tissues related to partial adhesion between the OCE probe and soft intervening reference layer sensor, (ii) distorting influence of tissue surface curvature/corrugation on the subsurface strain distribution mapping, (iii) ways of signal-to-noise ratio (SNR) enhancement in OCE strain mapping when periodic averaging is not realized, and (iv) potentially significant influence of tissue elastic nonlinearity on quantification of its stiffness. Potential practical approaches to mitigate the effects of these complications are also described.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,004
Communication savante0,0000,001
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 Opus0,075
Tête enseignante GPT0,411
Écart entre enseignants0,336 · 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.

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

Citations82
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Innovative Optical Health SciencesMême sujetUltrasound Imaging and ElastographyTravaux en français237 207