MétaCan
Menu
Retour à la cohorte
Enregistrement W3075086259 · doi:10.1117/1.oe.59.8.083104

Lensless inline digital holography versus Fourier ptychography: phase estimation of a large transparent bead

2020· article· en· W3075086259 sur OpenAlexaboutno aff
Hongyu Li, Anastasia Bozhok, Yoshitate Takakura, Jean Dellinger, Patrice Twardowski, Jihad Zallat

Notice bibliographique

RevueOptical Engineering · 2020
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced X-ray Imaging Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Strasbourg
Mots-clésOpticsPtychographyDigital holographyHolographyPhase retrievalPhase (matter)Digital holographic microscopyMicroscopyMaterials sciencePhase imagingFourier transformBiological specimenComputer scienceDiffractionPhysics

Résumé

récupéré en direct d'OpenAlex

Lensless inline digital holographic microscopy (LI-DHM) and Fourier ptychographic microscopy (FPM) are two widespread quantitative phase imaging (QPI) techniques. They have been employed in various fields, especially for biological slice imaging because of their simplicity in use, stability in structure, and also large field of view. Spherical phase response (for example from HeLa cells) is commonly observed in biological imagery. As a consequence, for calibration and validation purposes, small (several to tenth of microns in diameter) transparent microbeads have been used as standards. Phase imaging of their large counterparts (hundreds of microns in diameter) using either LI-DHM or FPM has not been reported so far. We are aiming to analyze the phase response of a 146-μm soda-lime microsphere. It has been immersed in Canada balsam to reduce phase difference and to avoid overexposed diffraction rings. The phase estimation issue has been tackled using approaches that involve either Gerchberg–Saxton type algorithms or an inverse problem-based procedure. Confronting the results confirms the QPI capability for both imaging techniques to assess phase responses from such a large transparent object.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,300
Écart entre enseignants0,280 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOptical EngineeringMême sujetAdvanced X-ray Imaging TechniquesTravaux en français237 207