MétaCan
Menu
Retour à la cohorte
Enregistrement W3101890610 · doi:10.1038/s41598-020-76774-z

Validation of red blood cell flux and velocity estimations based on optical coherence tomography intensity fluctuations

2020· article· en· W3101890610 sur OpenAlexafffund
Paul J. Marchand, Xuecong Lu, Cong Zhang, Frédéric Lesage

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensPolytechnique MontréalMontreal Heart Institute
Organismes subventionnairesCanada First Research Excellence FundSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésOptical coherence tomographyRed blood cellFlux (metallurgy)OpticsCoherence (philosophical gambling strategy)PhysicsIntensity (physics)Materials scienceChemistry

Résumé

récupéré en direct d'OpenAlex

We present a validation of red blood cell flux and speed measurements based on the passage of erythrocytes through the OCT's focal volume. We compare the performance of the so-called RBC-passage OCT technique to co-localized and simultaneously acquired two-photon excitation fluorescence microscopy (TPEF) measurements. Using concurrent multi-modal imaging, we show that fluctuations in the OCT signal display highly similar features to TPEF time traces. Furthermore, we demonstrate an overall difference in RBC flux and speed of 2.5 ± 3.27 RBC/s and 0.12 ± 0.67 mm/s (mean ± S.D.), compared to TPEF. The analysis also revealed that the OCT RBC flux estimation is most accurate between 20 RBC/s to 60 RBC/s, and is severely underestimated at fluxes beyond 80 RBC/s. Lastly, our analysis shows that the RBC speed estimations increase in accuracy as the speed decreases, reaching a difference of 0.16 ± 0.25 mm/s within the 0-0.5 mm/s speed range.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
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 ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,223
Écart entre enseignants0,208 · 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

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOptical Coherence Tomography ApplicationsTravaux en français237 207