MétaCan
Menu
Retour à la cohorte
Enregistrement W2906430788 · doi:10.1117/1.jbo.23.12.126503

Optimization of frequency-doubled Er-doped fiber laser for miniature multiphoton endoscopy

2018· article· en· W2906430788 sur OpenAlexafffund
Lin Huang, Xin Zhou, Shuo Tang

Notice bibliographique

RevueJournal of Biomedical Optics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePhotodynamic Therapy Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaCalifornia HIV/AIDS Research Program
Mots-clésMaterials scienceFiber laserOpticsLaserOptical fiberFemtosecondDispersion-shifted fiberPhotonic-crystal fiberOptoelectronicsFiberWavelengthFiber optic sensor

Résumé

récupéré en direct d'OpenAlex

Frequency-doubled femtosecond Er-doped fiber laser is a low-cost and portable excitation source suitable for multiphoton endoscopy. The frequency-doubled wavelength at 780 nm is used to excite the intrinsic fluorescence signal. The frequency-doubling with a periodically poled MgO : LiNbO3 (PPLN) is integrated in the distal end of the imaging head to achieve fiber connection. The imaging speed is further improved by optimizing the excitation laser source. A 0.3-mm length of PPLN crystal is selected and the Er-doped fiber laser is manipulated to match its bandwidth with the acceptance bandwidth of the PPLN. Through this optimization, a reduced pulsewidth of 80 fs of the frequency-doubled pulse is achieved. All-fiber dispersion compensation and pulse compression by single mode fiber is conducted, which makes the fiber laser directly fiber-coupled to the imaging head. An imaging speed of 4 frames / s is demonstrated on ex vivo imaging of unstained biological tissues, which is 10 times faster than our previous study using a 1-mm-long PPLN. The results show that miniature multiphoton endoscopy using frequency-doubled Er-doped fiber laser has great potential for clinical applications.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,021
Tête enseignante GPT0,336
Écart entre enseignants0,316 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Biomedical OpticsMême sujetPhotodynamic Therapy Research StudiesTravaux en français237 207