MétaCan
Menu
Retour à la cohorte
Enregistrement W2755709573 · doi:10.1364/boe.8.004454

Tissue-like phantoms for quantitative birefringence imaging

2017· article· en· W2755709573 sur OpenAlexaff
Xinyu Liu, Kathy Beaudette, Xianghong Wang, Linbo Liu, Brett E. Bouma, Martin Villiger

Notice bibliographique

RevueBiomedical Optics Express · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesMedical Research CouncilNational Institutes of HealthNational Institute of Biomedical Imaging and BioengineeringTerumoMinistry of Education, IndiaMinistry of EducationNanyang Technological UniversityNational Medical Research CouncilNational Research Foundation SingaporeNational Research Foundation
Mots-clésBirefringenceOptical coherence tomographyMaterials scienceOpticsMedical imagingMicroscopyPolarization (electrochemistry)Biomedical engineeringMedicinePhysicsChemistryRadiology

Résumé

récupéré en direct d'OpenAlex

Birefringence imaging, including polarization sensitive optical coherence tomography (PS-OCT), can provide valuable insight into the microscopic structure and organization of many biological tissues. In this paper, we report on a method to fabricate tissue-like birefringence phantoms for such imaging modalities. We utilize the photo-elastic effect, wherein birefringence is induced by stretching a polymer sample after heating it above its glass-transition temperature. The cooled samples stably exhibit homogeneous birefringence, and were assembled into phantoms containing multiple well-defined regions of distinct birefringence. We present planar slab phantoms for microscopy applications and cylindrical phantoms for catheter-based imaging and demonstrate quantitative analysis of the birefringence within individual regions of interest. Birefringence phantoms enable testing, validating, calibrating, and improving PS-OCT acquisition systems and reconstruction strategies.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,029
Tête enseignante GPT0,320
Écart entre enseignants0,290 · 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'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

Citations33
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical Optics ExpressMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207