MétaCan
Menu
Retour à la cohorte
Enregistrement W2949127041 · doi:10.1101/406108

Aperture Phase Modulation with Adaptive Optics: A Novel Approach for Speckle Reduction and Structure Extraction in Optical Coherence Tomography

2018· preprint· en· W2949127041 sur OpenAlexaff
Pengfei Zhang, Suman K. Manna, Eric B. Miller, Yifan Jian, Ratheesh K. Meleppat, Marinko V. Šarunic, Edward N. Pugh, Robert J. Zawadzki

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Eye InstituteUniversity of California, DavisNational Institutes of HealthNational Science Foundation
Mots-clésSpeckle patternOptical coherence tomographySpeckle noiseOpticsAdaptive opticsNumerical apertureSpeckle imagingAperture (computer memory)Point spread functionPhase modulationCoherence (philosophical gambling strategy)Modulation (music)Noise (video)PhysicsPhase noiseComputer scienceArtificial intelligenceWavelengthImage (mathematics)Acoustics

Résumé

récupéré en direct d'OpenAlex

Abstract: Speckle is an inevitable consequence of the use of coherent light in optical coherence tomography (OCT), and often acts as noise that obscures micro-structures of biological tissue. We here present a novel method of suppressing speckle noise intrinsically compatible with adaptive optics (AO) in OCT system: by modulating the phase inside the imaging system pupil aperture with a segmented deformable mirror, thus producing minor perturbations in the point spread function (PSF) to create un-correlated speckle pattern between B-scans, and further averaging to wash out the speckle but maintain the structures. It is a well-controlled and universal method which can efficiently determine the optimal range of phase modulation that minimizing speckle noise while maximizing image resolution and signal strength for different systems and/or samples. As an active method, its effectiveness and efficiency were demonstrated by both ex-vivo non-biological and in-vivo biological 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetOptical Coherence Tomography ApplicationsTravaux en français237 207