MétaCan
Menu
Retour à la cohorte
Enregistrement W2755368436 · doi:10.3390/s17092115

Time-Resolved Diffuse Optical Spectroscopy and Imaging Using Solid-State Detectors: Characteristics, Present Status, and Research Challenges

2017· review· en· W2755368436 sur OpenAlexaff
Mrwan Alayed, M. Jamal Deen

Notice bibliographique

RevueSensors · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueOptical Imaging and Spectroscopy Techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSilicon photomultiplierDetectorDiffuse optical imagingComputer sciencePhotomultiplierOptoelectronicsOpticsPhysicsScintillator

Résumé

récupéré en direct d'OpenAlex

Diffuse optical spectroscopy (DOS) and diffuse optical imaging (DOI) are emerging non-invasive imaging modalities that have wide spread potential applications in many fields, particularly for structural and functional imaging in medicine. In this article, we review time-resolved diffuse optical imaging (TR-DOI) systems using solid-state detectors with a special focus on Single-Photon Avalanche Diodes (SPADs) and Silicon Photomultipliers (SiPMs). These TR-DOI systems can be categorized into two types based on the operation mode of the detector (free-running or time-gated). For the TR-DOI prototypes, the physical concepts, main components, figures-of-merit of detectors, and evaluation parameters are described. The performance of TR-DOI prototypes is evaluated according to the parameters used in common protocols to test DOI systems particularly basic instrumental performance (BIP). In addition, the potential features of SPADs and SiPMs to improve TR-DOI systems and expand their applications in the foreseeable future are discussed. Lastly, research challenges and future developments for TR-DOI are discussed for each component in the prototype separately and also for the entire system.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,144
Tête enseignante GPT0,465
Écart entre enseignants0,320 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations42
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetOptical Imaging and Spectroscopy TechniquesTravaux en français237 207