MétaCan
Menu
Retour à la cohorte
Enregistrement W2963697984 · doi:10.1117/12.2526652

Dual-beam manually-actuated catheters for wide-field distortion-corrected optical imaging

2019· article· en· W2963697984 sur OpenAlexaff
Anthony M. D. Lee, Andrea Manjarres, Calum MacAulay, Pierre Lane

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensOccupational Cancer Research Centre
Organismes subventionnairesnon disponible
Mots-clésDistortion (music)Optical imagingBeam (structure)OpticsDual (grammatical number)Computer scienceField (mathematics)Depth of fieldMaterials sciencePhysicsOptoelectronicsMathematics

Résumé

récupéré en direct d'OpenAlex

Previously, we have demonstrated two fiber optic catheter implementations of dual-beam manually-actuated distortion-corrected imaging (DMDI) that employ rotationally-scanning micromotors that are potentially suitable for endoscopic imaging applications. These catheters are able to correct for both axial (push/pull) and azimuthal (catheter rotation) manual actuation. We presented a multiplexed dual beam micromotor catheter (mDBMC), an OCT-specific design that depth-multiplexes both imaging channels within a single optical fiber and a dual-fiber parallel DBMC (pDBMC) design that is suitable for any point-scanning modality such as OCT, fluorescence, or reflectance imaging. As the mDBMC has a relatively simple scan pattern, we developed a straightforward automated method for distortion correction based on image frame cross-correlation. Due to the complicated scan pattern of the pDBMC, we initially co-registered image features for the pDMBC in a time-consuming manual process. In this work, we describe our efforts to develop an automated distortion correction method for the pDMBC. We demonstrate initial success in automated correction along the pullback dimension.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,004
Tête enseignante GPT0,209
Écart entre enseignants0,205 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Coherence Tomography ApplicationsTravaux en français237 207