MétaCan
Menu
Retour à la cohorte
Enregistrement W3111996857 · doi:10.1109/iclo48556.2020.9285620

Multi-factor modeling of OCT-scan formation in the presence of scatterer motions

2020· article· en· W3111996857 sur OpenAlexaff
Alexander L. Matveyev, Lev A. Matveev, Alexander A. Sovetsky, A. A. Zykov, А. А. Моисеев, Grigory V. Gelikonov, I. Alex Vitkin, Vladimir Y. Zaitsev

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOptical Coherence Tomography Applications
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesRussian Foundation for Basic Research
Mots-clésMonte Carlo methodImaging phantomOpticsAmplitudePhase (matter)Aperture (computer memory)Resolution (logic)PhysicsComputer simulationComputer scienceAcousticsMathematicsMechanicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We present a robust semi-analytical multi-factor model of OCT-scan formation with rigorous accounting for the beam-focusing effects. It is based on numerical summation of the contributions of the localized sub-resolution scatterers, accounting for variations in the phase-amplitude parameters of the incident and backscattered optical waves, with a subsequent integration of the latter over the objective aperture. The main advantage of presented model is its convenience to account for scatterer motions in comparison with classical Monte-Carlo OCT-simulation approaches. In view of difficulties in performing highly-controlled phantom experiments, application of an adequate numerical model opens very flexible and convenient possibilities for evaluating the influence of scatter motions using numerically simulated OCT scans. The numerical model readily allows one to introduce various (e.g., regular/irregular or mixed) types of scatterer motions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,502
Score d'incertitude au seuil0,148

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,054
Tête enseignante GPT0,256
Écart entre enseignants0,202 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOptical Coherence Tomography ApplicationsTravaux en français237 207