Investigating the depolarization property of skin tissue by degree of polarization uniformity contrast using polarization-sensitive optical coherence tomography
Notice bibliographique
Résumé
The depolarization property of skin has been found to be important for skin cancer detection. Previous techniques based on light polarization lack the capability of depth differentiation. Polarization-sensitive optical coherence tomography (PS-OCT) has the advantage of both depth-resolved 3D imaging and high sensitivity to polarization. In this study, we investigate the depolarization property of skin tissue using PS-OCT, especially with the degree of polarization uniformity (DOPU) contrast. Well designed skin phantoms with various surface roughness levels and optical properties mimicking skin are imaged by PS-OCT and the DOPU values are quantified. The result shows a correlation between DOPU and surface roughness, where a higher roughness corresponds to a lower DOPU value. An index matching experiment with a water layer confirms the impact of surface condition on light depolarization. Refraction of backscattered photons on the surface boundary is attributed to the broadening of backscattering angle and thus depolarization. To the best of our knowledge, this is the first time the impact of surface roughness on DOPU is reported and its mechanism explained. Furthermore, through preliminary in vivo skin imaging, the capability of DOPU in detecting depolarization in skin is demonstrated. By utilizing the 3D imaging from PS-OCT, DOPU can offer a high-resolution depth differentiation and quantification of depolarization in skin tissue.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».