Fluence-matching technique using photoacoustic radiofrequency spectra for improving estimates of oxygen saturation
Notice bibliographique
Résumé
Photoacoustic (PA) signals encode information about the optical absorption and spatial distribution of absorbing chromophores as well as the light distribution in the medium. The wavelength dependence of the latter affects the accuracy in chromophore quantification, including estimations of oxygen saturation (sO2) with depth. We propose the use of the ratio of the PA radiofrequency (RF) spectral slopes (SS) at different optical wavelengths to generate frequency filters which can be used to match the fluence profiles across separate images generated with different optical wavelengths. Proof-of-principle experiments were carried on a plastic tube with blood of a known oxygenation inserted into a porcine tissue. The algorithm was tested in-vivo in the hind leg of six CD1 mice, each under three different breathing conditions (100 % O2, room air and 100 % CO2). Imaging was done using the VevoLAZR system at the wavelengths 720 and 870 nm. The SS was calculated from the linear fit of the ratio of the photoacoustic RF power spectra at the two wavelengths. An ultrasound frequency filter was designed and applied to each segmented PA signal in the frequency domain and inversely transformed into the time domain to correct for the differences in the fluence profiles at both wavelengths. Linear spectral unmixing was used to estimate sO2 before and after applying the ultrasound frequency filter. The estimated blood sO2 in the plastic tube for the porcine tissue experiment improved by 10.3% after applying the frequency filter when compared to the sO2 measured by a blood gas analyzer. For the in-vivo mouse experiments, the applied sO2 correction was 2.67, 1.33 and -3.33% for every mm of muscle tissue for mice breathing 100% O2, room air and 100% CO2, respectively. The approach presented here provides a new approach for fluence matching that can potentially improve the accuracy of sO2 estimates by removing the fluence depth dependence at different optical wavelengths.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».