Toward co-localized OCT surveillance of laser therapy using real-time speckle decorrelation (Conference Presentation)
Notice bibliographique
Résumé
Laser therapy has been used to perform both ablation and coagulation of diseased tissue. To avoid over or under exposure, monitoring such therapies with a cost-effective method remains an issue however. We present an integrated solution based on an optical coherence tomography (OCT) system allowing simultaneous imaging, quantitative monitoring and therapy delivery in real-time. The system exploits a double-clad fiber coupler (DCFC) to inject the OCT signal into the double-clad fiber (DCF) core and the therapy laser into the inner cladding making them co-localized. The single fiber solution permits both imaging and therapy at the same time. Furthermore, the DCFC allows the implementation of our technique in any OCT system sharing the same wavelength bandwidth. Therapy monitoring is achieved by measuring the speckle intensity decorrelation. During coagulation, the optical properties of the tissue start to vary, thereby changing the speckle intensity pattern seen in the OCT tomograms. The proposed algorithm includes both novel motion and noise corrections, extending the usable monitoring depth. Furthermore, the code has been optimized to run during therapy providing real-time monitoring. In a proof of concept experiment, a system was built with a 532 nm CW laser for therapy and a 1310 nm swept-source laser for OCT imaging. We present ex-vivo cross-sectional imaging and monitoring during therapy. Experimental results were validated against Monte-Carlo simulations and visual inspection.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».