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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,413
Score d'incertitude au seuil0,448

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,021
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 tête enseignante, 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