MétaCan
Menu
Retour à la cohorte
Enregistrement W2981222456 · doi:10.1177/0003702819884625

Defocused Spatially Offset Raman Spectroscopy in Media of Different Optical Properties for Biomedical Applications Using a Commercial Spatially Offset Raman Spectroscopy Device

2019· article· en· W2981222456 sur OpenAlexaff
Martha Z. Vardaki, Dana V. Devine, Katherine Serrano, Nikolaos Simantiris, Michael W. Blades, James M. Piret, Robin F. B. Turner

Notice bibliographique

RevueApplied Spectroscopy · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSpectroscopy Techniques in Biomedical and Chemical Research
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRaman spectroscopyOffset (computer science)SpectroscopyOpticsMaterials scienceAnalyteAnalytical Chemistry (journal)ChemistryChromatographyComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

In this study, we show how defocused spatially offset Raman spectroscopy (SORS) can be employed to recover chemical information from media of biomedical significance within sealed plastic transfusion and culture bags using a commercial SORS instrument. We demonstrate a simple approach to recover subsurface spectral information through a transparent barrier by optimizing the spatial offset of the defocused beam. The efficiency of the measurements is assessed in terms of the SORS ratio and signal-to-noise ratio (S/N) through a simple manual approach and an ordinary least squares model. By comparing the results for three different biological samples (red blood cell concentrate, pooled red cell supernatant and a suspension of Jurkat cells), we show that there is an optimum value of the offset parameter which yields the maximum S/N depending on the barrier material and optical properties of the ensemble contents. The approach was developed in the context of biomedical applications but is generally applicable to any three-layer system consisting of turbid content between transparent thin plastic barriers (i.e., front and back bag surfaces), particularly where the analyte of interest is dilute or not a strong scatterer.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,020
Tête enseignante GPT0,309
Écart entre enseignants0,289 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SpectroscopyMême sujetSpectroscopy Techniques in Biomedical and Chemical ResearchTravaux en français237 207