Efficient numerical modelling of time-domain light propagation in curved 3D absorbing and scattering media with finite differences
Notice bibliographique
Résumé
biological tissues) with curved boundaries. It relies on the finite difference method (FDM) in conjuction with the Crank-Nicolson method for accurately solving the optical diffusion equation (DE). The strength of the FDM lies in its simplicity and efficiency, since the equations are easy to set up, and accessing neighboring grid points only requires simple memory operations, leading to efficient code execution. Owing to its use of Cartesian grids, the FDM is generally thought cumbersome compared to the finite element method (FEM) for dealing with media with curved boundaries. However, to apply the FDM to such media, the blocking-off method can be resorted to. To account for the change of the refractive index at the boundary, Robin-type boundary conditions are considered. This requires the computation of surface normals. We resort here for the first time to the Sobel operator borrowed from image processing to perform this task. The Sobel operator is easy to implement, fast, and allows obtaining a smooth field of normal vectors along the boundary. The main contribution of this work is to arrive at a complete numerical FDM-based model of light propagation in the time domain in 3D absorbing and scattering media with curved geometries, taking into account realistic refractive index mismatch boundary conditions. The fluence rate obtained with this numerical model is shown to reproduce well that obtained with independent gold-standard Monte Carlo simulations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».