MétaCan
Menu
Retour à la cohorte
Enregistrement W3134670866 · doi:10.1117/12.2577794

Towards improved imaging contrast with photoacoustic remote sensing through intelligent signal extraction

2021· article· en· W3134670866 sur OpenAlexaff
Nicholas Pellegrino, Kevan Bell, Benjamin R. Ecclestone, Faraz Ali, Auguste L. Koh, YanYan Tran, Shahid A. Haider, Paul Fieguth, Parsin Haji Reza

Notice bibliographique

RevuePhotons Plus Ultrasound: Imaging and Sensing 2021 · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePhotoacoustic and Ultrasonic Imaging
Établissements canadiensUniversity of WaterlooIllumisonics (Canada)Optina Diagnostics (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceContrast (vision)Computer visionSIGNAL (programming language)Artificial intelligencePixelModality (human–computer interaction)Photoacoustic imaging in biomedicineReflection (computer programming)Thermoelastic dampingTime domainMaterials scienceOpticsThermalPhysics

Résumé

récupéré en direct d'OpenAlex

Photoacoustic Remote Sensing (PARS™), an all-optical, non-contact, reflection-mode, label-free biomedical imaging modality, is sensitive to optical absorption in biological tissues. Images are formed by scanning across tissue, collecting time-domain signals at each point which represent the initial pressures generated through induced thermoelastic expansion. Previously, when obtaining pixel intensity, the rich temporal and spectral content of the time-domain signals has largely been ignored. In this exploratory work, meaningful features are intelligently extracted from the time-domain signals. Based on these extracted features, attributes relevant to pixel intensity can be used to form images of improved contrast and greater detail.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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.

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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotons Plus Ultrasound: Imaging and Sensing 2021Même sujetPhotoacoustic and Ultrasonic ImagingTravaux en français237 207